北大校友联合研发RoseTTAFold，十分钟可解析给定序列的三维结构

两个月前，同台竞技的AlphaFold和RoseTTAFold带来的学术大讨论似乎已经落下尘埃，但双方团队的研究人员，也都在做进一步的工作。

（来源：华盛顿大学）
今年7月，华盛顿大学生物学家大卫·贝克（DavidBaker）团队研发的RoseTTAFold构建了一种“三轨（three-track）”神经网络，能在十几分钟之内解析给定序列的三维结构，相关论文发表在Science上的同一天， DeepMind团队也在Nature上发论文，公布了此前一经问世就引发巨大轰动的AlphaFold2的详细信息。
两个团队和两大刊此举堪称“华山论剑” ，在学术界也引发了两个工具孰优孰劣的激烈争论。这次， DeepTech采访到丛倩，她正是大卫·贝克课题组所发表论文的作者之一。

图｜丛倩是论文作者之一（来源：Science）
在细胞中，大量蛋白质元件组成分子机器，通过分子机器间的相互作用执行包括生物信号传递、基因表达调节、能量和物质代谢及细胞周期调控等生命过程的各个环节。
这些生化过程在细胞内有条不紊的进行靠的是复杂有序的蛋白质互作网络，对该网络进行探索分析是生命科学一大引人入胜而难解的问题，吸引了无数科学家的关注。
这些科学家中就包括曾在大卫·贝克团队开展博后课题研究，目前在德克萨斯大学西南医学中心（UniversityofTexasSouthwesternMedicalCenter ， UTSW）任助理教授的丛倩。
研究蛋白质互作网络，逃不开蛋白质的三维结构。因为蛋白质之间相互作用依赖于结构之间和氨基酸残基之间的化学键结合。
而蛋白质三维结构的预测也是生命科学的一大永恒话题。众所周知由于蛋白质折叠方式的可能性过多，以及细胞内微环境的复杂，尽管在过去几十年间，有越来越多的技术应用在蛋白质三维结构预测上，但其结果一直在准确性和效率性中艰难平衡。
直到深度学习进场，改写了整个游戏方式。基于深度学习开发的预测工具包括谷歌子公司DeepMind开发的AlphaFold ，以及丛倩曾经所在大卫·贝克团队开发的RoseTTAFold 。
RoseTTAFold获益于AlphaFold2
在RoseTTAFold的工作中，大卫·贝克团队在双轨制AlphaFold2架构的基础上扩展到在三维坐标空间操作的第三个轨道，以提供序列、残基-残基之间的距离和方向以及原子坐标之间更紧密的联系。
在这种结构中，信息在一维氨基酸序列信息、二维距离图和三维坐标之间来回流动，使网络能够共同推理序列内部和之间的关系、距离和坐标。相比之下，双轨制AlphaFold2架构中的三维结构坐标推理发生在一维和二维信息处理完成之后。

图｜RoseTTAFold的“三轨”结构（来源：Science）
尽管由于计算机硬件内存条件限制了RoseTTAFold进行探索的模型大小， RoseTTAFold无法击败AlphaFold2在最近的第14届CASP（CriticalAssessmentofStructurePrediction ， CASP14）会议上的出色表现，但RoseTTAFold依然具有相当高水平的预测准确性，在CASP14评估中得到了73.2分的亮眼成绩。
除了预测准确性， RoseTTAFold还可应用于蛋白质结构突变致病的病因学研究。以TANGO2（transportandGolgiorganizationprotein2）为例，其结构缺陷会导致代谢紊乱。
TANGO2的RoseTTAFold模型采用了N端亲核氨基水解酶（Ntn）折叠，其活性位点残基排列整齐，表明TangO2可能作为一种水解膜成分中碳氮键的酶发挥作用。根据该模型，大卫·贝克团队解析出该蛋白的结构突变可能通过阻碍其催化作用或在疏水核心产生立体冲突来导致疾病。