专题(一)介绍了转录因子与靶基因启动子,本次介绍蛋白质与蛋白质互作预测。先上应用实操总结(同专题一总结类似,看过可忽略直接进入实操正文):

优势:利用AlphaFold3预测目的蛋白与候选蛋白互作,目前大概是生信预测类中较准确的方法。充分使用该工具,make it easier,会让互作机制研究会更容易些。建议结合其他生信分析网站,如PPI、BioGRID 、IntAct,ComplexPortal等网站(干实验数据),或充分整合自己项目的CoIP-Mass或HuProt蛋白组芯片互作组数据(湿实验数据),进行初步分析,然后再用AlphaFold3进行预测验证,将会提高互作机制研究的成功率。

缺点:AlphaFold3毕竟是基于序列和AI大模型的建模预测,本身只供参考。另外,真实世界的分子互作,有很多影响因素,比如序列修饰、互作受环境条件、遗传背景等,可供AlphaFold3训练的语料非常有限。因此,基于AlphaFold3的互作预测,需要小心求证。另外,AlphaFold3使用,需要Google和GMAIL邮箱才能顺利使用,会限制很多科研工作者的正常使用。

策略:我们团队紧跟互作机制研究热点,可以协助您的项目,使用AlphaFold3工具进行预测分析。另外,我们团队长期聚焦互作机制研究的湿实验技术服务,如CoIP-Mass或HuProt蛋白组芯片互作组检测、CoIP-WB互作蛋白验证、修饰互作验证、环境条件互作验证、互作调控机制探索等实验,协助您轻松突破互作机制研究,让科研成果更上一层楼。

实操正文如下:

蛋白质与蛋白质互作是指不同蛋白质之间的相互作用,这种作用可以发生在细胞内或细胞外。蛋白质通过互相结合,形成复杂的细胞机制和信号传导网络,参与多种生WU过程,如基因调控、代谢、信号传导等。这种互作是生命活动中的重要组成部分,对维持生WU体的正常功能具有重要意义。

那么如何用AlphaFold3预测候选蛋白质与蛋白质互作呢?

第一步,通过Uniport网站获取候选基因的蛋白质序列(以MYC、PRMT5为例)。

获取MYC蛋白质序列。

获取PRMT5的蛋白质序列。

第二步,访问 AlphaFold Server(AlphaFold Server需要科学上网,而且建议使用Google浏览器,使用谷歌账号登录)和输入数据进行预测。

登录谷歌邮箱账号,点Add entity框就可以添加蛋白质、DNA、RNA、配体和离子(金属离子)。

将MYC和PRMT5的蛋白质序列序列输入,点”Continue and preview job”。

点“Confirm and submit job”即可提交作业,一般运行约10 分钟左右。

第三步,结果。MYC和PRMT5互作预测结果。点“Download”可下载数据。

颜色越蓝表示预测的置信度越高,越橙则越低。

注:pLDDT:基于 0-100 量表的每个原子置信度估计,其中较高的值表示置信度较高。pTM 和 ipTM 分数:预测模板建模(pTM)分数和界面预测模板建模(ipTM)分数均来自称为模板建模(TM)分数的度量。pTM 分数高于 0.5 表示整体预测的复合物折叠可能与真实结构相似。ipTM 衡量复合物内亚基相对位置的预测准确性,高于 0.8 的值表示置信度高的高质量预测,而低于 0.6 的值则表明可能是失败的预测。ipTM 分数在 0.6 到 0.8 之间为灰色域,预测可能正确或不正确。对于小结构或短链,TM 分数非常严格,因此当涉及少于 20 个标记时,pTM 分数赋值低于 0.05;在这些情况下,PAE 或 pLDDT 可能更能指示预测质量。

这些cif文件可以用PyMol类似的软件打开,然后进行后续分析。

AlphaFold3给蛋白质互作预测提供了新的方法和工具。如遇AlphaFold3实操问题,欢迎后台留言或联系我们团队,进行交流探讨!