Posição
O modelo de design de sequência condicionado à estrutura em torno do qual os pipelines de design foram construídos, com validação experimental em várias arquiteturas de proteína e reuso direto no LigandMPNN e em fluxos de design de ligantes.
Enovelamento inverso · Baker lab · 2022
ProteinMPNN
Propõe sequências de aminoácidos compatíveis com um esqueleto fornecido. Resíduos vizinhos são codificados como um grafo e as identidades são previstas numa ordem autorregressiva arbitrária, guardando o contexto estrutural das posições ainda não decididas.
Em linguagem simples
Você dá uma forma sem sequência e ele diz quais aminoácidos sustentariam aquela forma. Este é o passo de que todo pipeline de design precisa, porque esqueletos gerados chegam sem sequência nenhuma.
Uma forma de imaginar
Você tem o esqueleto de uma ponte e precisa decidir qual material vai em cada viga. O modelo olha o que cerca cada posição e escolhe algo que sirva.
O engano mais comum
Ele não verifica se a sequência realmente volta àquela forma. Por isso o pipeline padrão roda um preditor de estrutura depois e descarta os designs que não voltam.
Como é montado
Escolha um componente para lerGrafo de resíduos
Estados de nó com ciência da estrutura
Rodar
Desenhar sequências para um esqueletogit clone https://github.com/dauparas/ProteinMPNN
cd ProteinMPNN
python protein_mpnn_run.py \
--pdb_path my_backbone.pdb \
--out_folder ./designs \
--num_seq_per_target 8 \
--sampling_temp "0.1"
# fixing a binding site: pass --fixed_positions_jsonl with the residues to keepEstes trechos não foram executados aqui. Versões mudam: confira o cartão do modelo antes de confiar em qualquer linha.
Distinções
- A ordem arbitrária de decodificação é o que permite fixar um motivo enquanto o suporte é redesenhado.
- O codificador lê apenas geometria, então não precisa da sequência nativa que está substituindo.
- É pequeno e rápido o bastante para rodar milhares de designs por esqueleto.
Limites
Modela apenas átomos de proteína. Resíduos cuja função é coordenar um metal ou segurar um ligante parecem inexplicados, e é essa lacuna que o LigandMPNN fecha.
Pesos e código
Conferido no registro, não de memória| Repositório | Tamanho | Licença | Observação |
|---|---|---|---|
| dauparas/ProteinMPNN | About 2M | MIT | — |
| dauparas/LigandMPNN | Ligand-aware successor | MIT | — |
Fontes
Cada número acima vem de uma destasDauparas et al. 2022, Science. Robust deep learning-based protein sequence design using ProteinMPNNRevisado por paresDauparas et al. 2025, Nature Methods. Atomic context-conditioned protein sequence design using LigandMPNNRevisado por pares