Proc. Natl. Acad. Sci. | AI蛋白质结构预测模型对静电相互作用的刻画精度
近年来,以AlphaFold2、RoseTTAFold、ESMFold和OmegaFold为代表的人工智能蛋白质结构预测模型极大推动了结构生物学的发展。然而,这些模型是否真正掌握了决定蛋白质稳定性的物理化学规律,尤其是静电相互作用和可电离氨基酸残基的空间分布原则,仍缺乏系统评估。研究人员利用一个偶然获得的U1A蛋白突变体作为切入点,发现实验测得的蛋白质结构性质与AI预测结果存在显著差异。进一步通过系统设计数千种序列,在U1A、酰基磷酸酶(ACP)以及人工设计蛋白TOP7三个体系中逐步引入带电残基,全面评估不同AI模型的预测表现。结果表明,尽管AI模型能够较好维持整体折叠构象,却经常预测多个可电...