一种融合骨架适配能量评分与多目标优化的蛋白质序列设计方法
本发明涉及计算蛋白质设计、结构生物信息学、人工智能及多目标优化,具体涉及一种融合骨架适配能量评分与多目标优化的蛋白质序列设计方法。
背景技术:
1、蛋白质序列设计是蛋白质工程、药物研发、酶设计和合成生物学等领域的重要技术方向,其目的是在给定目标三维结构或主干骨架的条件下,寻找能够稳定折叠形成该目标结构的氨基酸序列。对于特定蛋白质骨架而言,不同位置的氨基酸选择受到二级结构类型、核心/表面环境、局部几何形态、残基接触关系以及空间位阻等因素影响。
2、现有研究表明,蛋白质主干骨架包含大量可用于序列设计的结构信息,如残基空间距离、接触网络、二级结构分布、局部构象和核心/表面环境等。随着深度学习、结构预测模型和生成式设计方法的发展,蛋白质序列设计效率已有明显提升。然而,在实际应用中,仅依靠序列生成模型或单一结构能量评分,仍难以全面满足实验验证和产业化开发需求。候选序列除了需要适配目标骨架并保持结构稳定外,还应具备较好的可溶性、合理的序列复杂度、较低的聚集倾向、较好的表达纯化可行性以及较低的制造风险。
3、现有方法中,一类方法主要根据目标结构直接生成氨基酸序列,虽然能够提高生成效率,但可能未充分利用目标骨架对不同残基位置的具体约束。例如,对于核心区域、表面区域、局部弯曲区域或残基接触密集区域,模型可能无法充分区分其对氨基酸类型的不同要求,导致局部位置出现不合理残基。另一类方法主要依据单一结构能量、预测稳定性或模型置信度对候选序列排序,评价目标较为单一,难以同时兼顾可溶性、表达可行性、序列复杂度和可制造性等因素。
4、在实际设计中,若仅追求较低结构能量或较高骨架适配分数,可能得到连续疏水片段过长、表面疏水残基过多、带电残基分布异常、重复序列较多、低复杂度区域明显或制造风险较高的候选序列。这些问题不一定会在单一能量评分中充分体现,但可能显著降低候选蛋白的表达水平、溶解性、稳定性和可制备性,导致实验验证成本增加,成功率降低。
5、此外,传统综合评分排序通常需要预先固定各指标权重,而不同设计任务的目标侧重点并不相同。固定权重容易掩盖骨架适配性、稳定性、可溶性和可制造性之间的真实权衡关系,甚至可能过早排除具有潜在实验价值的候选序列。同时,现有方法多只输出候选序列和整体评分,缺少位置级解释,难以说明推荐原因、风险来源以及优先修改位置。因此,亟需一种以目标骨架信息为基础,融合骨架适配评价、多目标优化和位置级解释的蛋白质序列智能设计方案,以提高候选序列进入实验验证阶段的成功可能性。
技术实现思路
1、本发明的目的是为解决现有方法对骨架约束利用不足、综合评分排序需要预先固定各指标权重以及缺少位置级解释的问题,而提出的一种融合骨架适配能量评分与多目标优化的蛋白质序列设计方法。
2、本发明为解决上述技术问题所采取的技术方案是:一种融合骨架适配能量评分与多目标优化的蛋白质序列设计方法,所述方法具体包括以下步骤:
3、步骤s1、获取目标蛋白质骨架信息,再根据骨架信息提取目标蛋白质的逐位置特征及残基对几何特征;并设计候选氨基酸序列的约束;
4、步骤s2、建立条长度为的候选氨基酸序列模板,并分别确定候选氨基酸序列模板中每个残基位置的氨基酸类型,获得若干条候选氨基酸序列;
5、步骤s3、根据目标蛋白质的逐位置特征及残基对几何特征,分别计算步骤s2中生成的各条候选氨基酸序列相对于目标骨架的骨架适配能量及位置级骨架适配能量贡献;
6、步骤s4、分别计算各条候选氨基酸序列的可制造性风险目标值,根据可制造性风险目标值、候选氨基酸序列内部的最大连续疏水片段长度和丙氨酸占比筛选出满足约束的候选氨基酸序列,再分别计算筛选出的每条候选氨基酸序列的稳定性目标值、可溶性目标值和序列复杂度目标值;
7、步骤s5、根据筛选出的候选氨基酸序列的目标值构建多目标优化向量,基于多目标优化向量对各条候选氨基酸序列进行帕累托非支配排序,并根据差异度分别对每层帕累托候选集内的候选氨基酸序列进行筛选;
8、并输出对筛选出的候选氨基酸序列的排序结果。
9、进一步地,所述目标蛋白质骨架信息包括目标蛋白质长度、主链二面角、残基二级结构类型、溶剂可及性表面积、核心/表面环境标记、局部曲率和邻域密度。
10、进一步地,所述候选氨基酸序列的约束为:
11、1)候选氨基酸序列中半胱氨酸的含量为0;
12、2)残基固定位点为第20位和第82位,其中,第20位残基固定为天冬氨酸,第82位残基固定为色氨酸;
13、3)每条候选氨基酸序列中丙氨酸的占比均不超过15%;
14、4)每条候选氨基酸序列中的最大连续疏水片段长度均不超过6个残基;
15、5)候选氨基酸序列的最大可制造性风险阈值设置为0.7。
16、进一步地,所述根据骨架信息提取目标蛋白质的逐位置特征及残基对几何特征的方法为:
17、步骤s11、对目标蛋白质骨架中的残基进行编号,为目标蛋白质骨架中的每个残基分别建立唯一的索引,其中,,为目标蛋白质骨架中的残基总数;
18、并分别构建目标蛋白质骨架中每个残基的结构特征向量,将第个残基的结构特征向量表示为:
19、
20、其中,表示第个残基的结构特征向量,表示第个残基的二级结构类型,表示第个残基的核心/表面环境标记,和表示第个残基的主链二面角,表示第个残基的溶剂可及性表面积,表示第个残基的局部曲率,表示第残基的邻域密度;
21、则目标蛋白质的逐位置特征为:
22、
23、其中,分别表示第1个,第2个,…,第个残基的结构特征向量;
24、步骤s12、对于目标蛋白质骨架中的任意两个残基和,根据第个残基的原子坐标和第个残基的原子坐标计算空间距离:
25、
26、其中,表示第个残基与第个残基之间的空间距离,表示第个残基的原子坐标,表示第个残基的原子坐标,表示欧氏距离函数;
27、当小于等于预设的残基接触距离阈值时,则判定第个残基与第个残基之间存在空间接触关系,即,否则判定第个残基与第个残基之间不存在空间接触关系,即;
28、根据形成残基间距离矩阵,残基间距离矩阵即为获得的残基对几何特征。
29、进一步地,候选氨基酸序列模板中的非固定位点的候选氨基酸集合为:
30、
31、其中,表示第个残基位置的候选氨基酸集合,表示标准氨基酸集合,表示禁止氨基酸集合;
32、根据第个残基的结构特征向量计算第个残基位置对氨基酸的采样概率:
33、
34、其中,表示第个残基位置对氨基酸a的采样概率,表示第个残基位置对氨基酸的允许程度,表示氨基酸与第个残基位置核心/表面环境的匹配程度,表示氨基酸与第个残基位置二级结构类型的匹配程度,表示归一化处理;
35、对于每条候选氨基酸序列,均按照残基位置从至的顺序依次采样氨基酸,生成各条完整的候选氨基酸序列,将各条候选氨基酸序列组成的集合记为:
36、
37、其中,表示候选氨基酸序列集合,表示第条候选氨基酸序列,,表示候选氨基酸序列数量。
38、进一步地,所述步骤s3中,骨架适配能量的计算方法为:
39、对于任一候选氨基酸序列s,根据目标蛋白质的逐位置特征及残基对几何特征,分别计算候选氨基酸序列s的二级结构匹配能量、核心区域匹配能量、表面区域匹配能量、残基对几何匹配能量、空间冲突惩罚项、甘氨酸/脯氨酸构象惩罚项和约束惩罚项,则候选氨基酸序列s相对于目标蛋白质骨架的骨架适配能量为:
40、
41、其中,表示目标蛋白质骨架,为二级结构匹配能量,为核心区域匹配能量,为表面区域匹配能量,为残基对几何匹配能量,为空间冲突惩罚项,为甘氨酸/脯氨酸构象惩罚项,为约束惩罚项,至为权重。
42、进一步地,所述步骤s4的具体过程为:
43、步骤s41、对于任一候选氨基酸序列s,若候选氨基酸序列s中的丙氨酸占比超过设定的比例或最大连续疏水片段长度超过设定的阈值,则将候选氨基酸序列s剔除;若候选氨基酸序列s中的丙氨酸占比不超过设定的比例且最大连续疏水片段长度未超过设定的阈值,则执行步骤s42;
44、步骤s42、计算候选氨基酸序列s的可制造性风险目标值:
45、
46、其中,表示候选氨基酸序列s的聚集风险,表示候选氨基酸序列s的连续疏水片段风险,表示候选氨基酸序列s的低复杂度片段风险,表示候选氨基酸序列s的表达风险,表示候选氨基酸序列s的不稳定局部区域风险,至为权重参数;
47、若候选氨基酸序列s的可制造性风险目标值超过最大可制造性风险阈值,则将候选氨基酸序列s剔除,否则继续执行步骤s43;
48、步骤s43、计算候选氨基酸序列s的稳定性目标值:
49、
50、其中,表示候选氨基酸序列s的折叠置信度,表示候选氨基酸序列s的空间冲突风险,表示候选氨基酸序列s的不稳定局部区域风险,为候选氨基酸序列s的归一化骨架适配能量,至为权重参数;
51、计算候选氨基酸序列s的可溶性目标值:
52、
53、其中,表示候选氨基酸序列s的表面极性残基贡献,表示候选氨基酸序列s的电荷分布平衡程度,表示候选氨基酸序列s的表面疏水残基暴露程度,表示候选氨基酸序列s的聚集风险,至为权重参数;
54、计算候选氨基酸序列s的序列复杂度目标值:
55、
56、其中,表示候选氨基酸序列s的低复杂度片段风险,表示候选氨基酸序列s的重复序列风险,表示候选氨基酸序列s的氨基酸组成偏离预设范围的程度,至为权重参数
57、进一步地,所述步骤s5的具体过程为:
58、步骤s51、候选氨基酸序列s的多目标优化向量为:
59、
60、其中,为候选氨基酸序列s相对于目标蛋白质骨架b的归一化骨架适配能量,为候选氨基酸序列s的多目标优化向量;
61、步骤s52、基于多目标优化向量对各条候选氨基酸序列进行帕累托非支配排序,即根据多目标优化向量从步骤s4筛选出的候选氨基酸序列中找到未被其他候选氨基酸序列支配的候选氨基酸序列,找到的候选氨基酸序列构成第一层帕累托候选集;从步骤s4筛选出的候选氨基酸序列中将第一层帕累托候选集移除,再从剩余的候选氨基酸序列中找到未被其他候选氨基酸序列支配的候选氨基酸序列,找到的候选氨基酸序列构成第二层帕累托候选集;
62、以此类推,分别得到每层的帕累托候选集;
63、步骤s53、对于同一层帕累托候选集内的两条候选氨基酸序列和,计算候选氨基酸序列和的差异度;
64、若低于预设差异度阈值,则优先保留和中归一化骨架适配能量较低的候选氨基酸序列,剔除和中归一化骨架适配能量较高的候选氨基酸序列;
65、步骤s54、分别计算保留的每条候选氨基酸序列的综合评分:
66、
67、其中,表示候选氨基酸序列s的综合评分,至为权重参数;
68、步骤s55、根据综合评分对各条候选氨基酸序列进行二次排序,输出的排序结果中包括候选氨基酸序列编号、候选氨基酸序列的帕累托层级、归一化骨架适配能量、稳定性目标值、可溶性目标值、序列复杂度、可制造性目标值、二次排序结果和候选分级结果。
69、进一步地,所述步骤s53中,候选氨基酸序列和的差异度为:
70、
71、其中,表示两条候选氨基酸序列在对应位置上氨基酸不同的数量。
72、更进一步地,所述方法还包括步骤s6,步骤s6包括:
73、生成位置级解释报告:
74、
75、其中,表示第个残基位置的解释报告,表示残基位置编号,表示候选氨基酸序列在第个残基位置的氨基酸类型,表示第个残基位置的二级结构类型,表示第个残基位置的核心/表面环境标记,表示第个残基位置的能量贡献,表示第个残基位置的风险类型,表示第个残基位置的修改建;
76、再基于位置级解释报告生成候选氨基酸序列的可解释报告,所述候选氨基酸序列的可解释报告包括候选氨基酸序列被推荐的原因、优势评分项、风险来源、不适配残基位置和建议修改方案。
77、本发明的有益效果是:
78、本发明通过引入目标蛋白质骨架特征提取、设计约束来生成候选序列,并基于可分解骨架适配能量评分、多目标优化排序以及位置级解释机制,实现针对目标蛋白质骨架的候选氨基酸序列智能筛选,提高候选序列折叠成目标骨架并进入实验验证的可能性,解决现有方法在骨架适配性不足、候选序列可溶性差、制造风险较高以及推荐依据不明确等方面的问题;
79、1)引入目标蛋白质骨架特征约束候选氨基酸序列生成过程,提高候选氨基酸序列与目标蛋白质骨架的匹配程度;
80、2)结合多个指标并通过多种排序优化方式保留不同候选序列,并且可以根据应用场景调整不同指标的权重,避免因固定权重导致潜在优良候选被过早排除;
81、3)输出推荐原因、风险来源和修改建议,提高蛋白质序列设计过程的位置级可解释性和可修改性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com