摘要： 澳门理工大学姚小军、浙江大学侯廷军团队近日发布了PepPCBench，这是一个专门用于评估AlphaFold3（AF3）预测蛋白质-肽复合物能力的综合基准框架。研究结果表明，AF3在预测准确度和结构验证方面表现出色，但其性能距离实际的肽类药物研发仍有提升空间。该研究为增强蛋白质-肽复合物结构预测和肽类药物研发提供了重要参考。
北京，2025年4月18日 – 人工智能在生物医药领域的应用持续深化，其中，蛋白质结构预测工具AlphaFold系列备受瞩目。近日，澳门理工大学姚小军、浙江大学侯廷军团队合作推出了一项针对AlphaFold3（AF3）的综合评估基准——PepPCBench，旨在深入了解AF3在预测蛋白质-肽复合物结构方面的能力，并为肽类药物的研发提供助力。
PepPCBench：为蛋白质-肽复合物预测能力评估而生
蛋白质-肽相互作用在生物体内扮演着重要角色，理解并精确建模这些相互作用对于药物设计至关重要。然而，由于肽段本身具有高度的构象灵活性，准确预测其与蛋白质的结合模式一直是一项挑战。AlphaFold3作为一种全原子蛋白质折叠神经网络（PFNN），已将预测范围扩展到蛋白质-肽复合物，但对其预测能力的系统评估仍然不足。
为了填补这一空白，姚小军和侯廷军团队开发了PepPCBench。该基准框架利用精心挑选的数据集PepPCSet，包含261个蛋白质-肽复合物，肽段长度从5到30个氨基酸残基不等，且数据均未包含在AF3的训练集或验证集中，保证了评估的客观性。
评估结果：AF3表现优异，但仍有提升空间
PepPCBench的评估结果显示，AF3在预测准确度和结构验证方面优于其他PFNN模型，如AFM、RFAA、Chai-1和HF3。尤其在使用actifpTM等更精细的置信度指标时，AF3在模型排序和置信度评估方面表现出色。
然而，研究也揭示了AF3的一些局限性。例如，AF3存在结构记忆问题，在肽复合物上的表现与训练期间观察到的结构相似。此外，对于中等长度（10-20个残基）且构象偏移适中的肽段，AF3的预测准确性仍有待提高。
案例研究：AF3在MHC-II系统中的应用潜力
为了验证AF3在实际应用中的潜力，研究人员针对MHC-II系统进行了案例研究。结果表明，AF3的结构预测结合actifpTM和Rosetta结合能等评分函数，能够可靠地对肽结合物进行排序并恢复高亲和力配体。
展望：PepPCBench助力肽类药物研发
PepPCBench的发布为评估PFNN在蛋白质-肽复合物预测中的性能提供了一个严格、多样且可重复的基准。研究人员表示，PepPCBench将成为方法开发者和实验生物学家的宝贵资源，通过更可靠的结构预测加速下一代肽疗法的进展。
该研究已于2025年4月13日发布在bioRxiv预印平台，题为“PepPCBench is a Comprehensive Benchmark for Protein-Peptide Complex Structure Prediction with AlphaFold3”。
参考文献：
- 论文原文：PepPCBench is a Comprehensive Benchmark for Protein-Peptide Complex Structure Prediction with AlphaFold3. bioRxiv.
致谢：
感谢澳门理工大学姚小军、浙江大学侯廷军团队为本文提供的资料和信息。
（完）
Views: 0