蛋白三维空间模型优化网站，蛋白质三维空间结构的测定方法

基于人工智能(AI)的蛋白结构预测工具合集

OmegaFold是AI预测蛋白质3D结构的算法，仅通过单条蛋白序列就能准确预测，适用于人工设计的蛋白质药物和工业合成用酶。IgFold是JOHNS HOPKINS大学发表的深度学习方法，可以快速预测抗体结构，准确率与AlphaFold2相当，预测所需时间不到1分钟，预测了105K对8个抗体序列的结构，将抗体结构空间扩大了40倍以上。

仅仅半年后，DeepMind和EMBL-EBI合作，在《自然》论文中发布了由AlphaFold预测的蛋白结构数据库。这个数据库涵盖了人类和20种常用模式生物的35万个蛋白质结构，并且对95%的人类蛋白质结构进行了准确预测。人工智能预测蛋白质结构领域的一系列突破，也被《科学》评选为2021年的年度科学突破。

人工智能技术在蛋白质结构预测领域的突破，特别是在 AlphaFold2 在第 14 届蛋白质结构预测关键评估（CASP14）中取得的高精度，展现了AI在药物和疫苗行业的巨大潜力。主流方法依赖于多序列比对（MSA）和模板提取的协同进化信息，这使得耗时且成为推广瓶颈。

为了解决这个问题，麻省理工学院（MIT）的研究人员利用人工智能技术，开发了一种能够生成超越自然界的新型蛋白质的方法。他们创建了一种基于机器学习的算法，可以根据预设的结构目标，预测出能够形成相应蛋白质的氨基酸序列。这些序列既有一定的与已知蛋白质相似的程度，又有一定的创新性和独特性。

生物物理学家、西湖大学校长施一公，谈及 AlphaFold 的最新成果时，指出这可能是人工智能对科学领域最大的一次贡献，是人类在21世纪最重要的科学突破之一。这一人工智能工具对人类蛋白质组的精确结构预测，覆盖了近60%的氨基酸位置，并且预测结果可信度高。施一公强调，AlphaFold在生物学界产生了重大影响。

AlphaFold或是2021年人工智能（AI）领域的“一哥”。 近日，《科学》杂志公布了 2021 年度科学突破榜单，AlphaFold 和 RoseTTA-fold 两种基于人工智能预测蛋白质结构的技术位列榜首。

蛋白质三维结构数据库蛋白质结构数据格式

PDB（ Protein Data Bank）文件格式是蛋白质结构数据库中广泛采用的文件格式，它以行终止符为界，每行由80列组成，且每行都具备自我识别性。每个PDB文件通过一系列记录类型被组织起来，以便系统地存储和检索蛋白质结构信息。PDB文件格式包括多个部分，确保了数据的完整性和可读性。

在记录文件中每行由80列组成。每条PDB记录末尾标志应该是行终止符。PDB文件中每行都是自我识别的。每行的前六列存放记录名称，左对齐空格补足.必须和规定的记录名称一致。PDB文件也可看成是各种记录类型的总和。每个记录类型包括一行或多行又被更深一层分成各字段。

蛋白质三维结构数据库（Protein Data Bank，简称PDB）是一个致力于存储和提供全球蛋白质结构数据的资源。自1971年美国纽约的Brookhaven实验室创建以来，PDB不断发展壮大。

ZDOCK对接可以做哪些事情?

在进行对接操作时，用户可以通过网站输入两个蛋白质的PDBid。接着，用户可以选择要block的残基和要contact的残基等参数。在ZDOCK和M-ZDOCK中，用户可以利用交互式页面屏蔽特定残基，以阻止它们进入结合位点。用户可以从滚动列表中选择任意数量的残基，选中的残基将以红色线条在对应结构上显示。

对于接触（Contacting Residues）的选择，ZDOCK同样细致入微。它允许你设定特定的氨基酸残基参与结合，确保预测的结合位点精确无误。使用同样的方法，你可以通过列表选择并可视化这些蓝色棒状图，确保预测结果符合你的预期。

ZDOCK凭借其快速傅里叶变换技术，生成结构模型，以ZRANK或ZDOCK分数进行排序，分数越高，表示对接效果越佳。而RDOCK则对ZDOCK的结果进行优化，力求找到最接近原生结构的配体位置。实战演示：牛β-胰岛素与CMTI-I的对接之旅 让我们跟随步骤，一起见证这个过程。