Science | 通过结构域分类探究蛋白质宇宙的结构多样性

主要观点总结

文章介绍了AlphaFold蛋白结构数据库（AFDB）的挑战以及基于深度学习方法识别AFDB中结构域的最新研究。该研究发现通过组合结构域识别方法和结构分类算法，共识别出超过3.6亿个结构域，显著提高了对蛋白质结构的理解和识别效率。同时介绍了新的超家族间结构相互作用以及识别新折叠的重大意义。

关键观点总结

关键观点1: 研究背景

AlphaFold系列算法的出现极大扩展了已知的蛋白质结构空间，AlphaFold蛋白结构数据库（AFDB）的规模和复杂性对传统的结构域发现工具提出了挑战。

关键观点2: 研究方法

研究者运用深度学习方法，对AFDB中的结构数据进行结构域检测和划分，构建了“结构域百科全书（The Encyclopedia of Domains，TED）”。研究中结合了多种结构域识别方法和结构分类算法来识别已知的结构域。

关键观点3: 研究结果

该研究在AFDB中识别到了超过3.6亿个结构域，显著提高了结构域的识别数量。同时，研究发现了超过1万个新的超家族间结构相互作用和上千个新折叠，这些新发现有助于对蛋白质结构和功能的深入研究。

关键观点4: 数据集的CATH分类和结构域分布

研究通过对TED数据集中的结构域进行CATH分类和序列聚类，揭示了结构域的分布和组成。此外，还分析了折叠的分布和频率，发现了一些在生物域之间独特或特定的折叠类型。

关键观点5: 高对称性结构和超家族间的相互作用

研究还关注高对称性结构，发现了一些前所未见的架构类型。同时，通过对全链多域蛋白模型的分析，揭示了结构域间的相互作用关系，发现许多新相互作用，特别是在CATH类别之间。