Unit
1. Pengenalan kepada Kepintaran Buatan dalam Biologi Molekul dan Genetik: Peranan, Sempadan, Pengesahan, Etika dan Privasi 2. Analisis Jujukan DNA/RNA: Penjajaran, Motif, Bingkai Bacaan Terbuka dan Bioinformatik Asas 3. Tafsiran Varian: Kepatogenan oleh VCF, Penetapan HGVS dan Kriteria ACMG 4. Struktur Protein dan AlphaFold: Ramalan Struktur Bacaan, Skor Keyakinan dan Pengesahan 5. Sokongan Reka Bentuk CRISPR: Pemilihan gRNA, Kesan Luar Sasaran dan Pengesahan Eksperimen 6. Analisis Data Omics: RNA-seq, Ekspresi, Statistik dan Pengayaan Laluan 7. Kajian Literatur dan Penulisan Saintifik: Pengesahan Sumber dan Risiko Petikan Palsu 8. Tafsiran Klinikal: Pelaporan, Kelulusan Pakar, Pengesahan dan Had 9. Disiplin Halusinasi dan Pengesahan: Gen Dibuat, Urutan, Varian dan Atribusi 10. Etika, Privasi dan Perlindungan Data: Tanggungjawab Khas Data Genetik 11. Kes Hujung ke Akhir: Perjalanan Varian dari Penemuan ke Laporan Klinikal
Unit 4 / 11

Struktur Protein dan AlphaFold: Ramalan Struktur Bacaan, Skor Keyakinan dan Pengesahan

Keuntungan:

  • Mampu memahami kerja AlphaFold, skor keyakinan seperti pLDDT dan PAE, dan bahawa struktur ialah 'ramalan', dan mentafsir struktur dengan betul dengan kecerdasan buatan
  • Keupayaan untuk mengenali kawasan dengan skor keyakinan rendah (fleksibel/tidak teratur) dan mengelakkan tafsiran yang berlebihan dan membandingkan dengan bukti eksperimen
  • Keupayaan untuk menggunakan disiplin merawat ramalan struktur sebagai hipotesis dan menghubungkan tuntutan berfungsi dengan pengesahan eksperimen.

Untuk memahami apa yang protein lakukan, selalunya perlu mengetahui struktur terlipat tiga dimensinya; kerana fungsi timbul daripada struktur. Selama beberapa dekad, menentukan struktur protein secara eksperimen (kristalografi sinar-X, mikroskopi cryo-elektron) akan mengambil masa berbulan-bulan hingga bertahun-tahun. AlphaFold (sistem kecerdasan buatan yang dibangunkan oleh DeepMind yang meramalkan struktur protein daripada jujukan asid amino) mengurangkan ini kepada beberapa minit dan menjadikan struktur ramalan ratusan juta protein awam. Dalam unit ini anda akan belajar cara membaca output AlphaFold, cara mentafsir skor keyakinan dan cara menggunakan LLM dengan selamat dalam tafsiran ini.

Perbezaan kritikal: AlphaFold ialah alat ramalan struktur dan outputnya ialah ramalan, bukan kebenaran percubaan. LLM (model sembang seperti ChatGPT) bukan AlphaFold sendiri; Ia tidak boleh "mengingat" koordinat protein. Gunakan LLM untuk mentafsir dan menerangkan output AlphaFold; dapatkan semula struktur itu sendiri daripada pangkalan data atau alat AlphaFold.

Konsep asas

  • Struktur utama: Jujukan asid amino (rantai huruf protein).
  • Struktur sekunder/tertier: Heliks (alpha-helix), helaian (helaian beta) dan lipatan rantai tiga dimensi.
  • pLDDT: Skor keyakinan tempatan AlphaFold untuk setiap asid amino, antara 0 hingga 100. 90+ bermakna keyakinan yang sangat tinggi, 70-90 bermakna baik, 50-70 bermakna rendah, dan di bawah 50 bermakna keyakinan yang sangat rendah. Kawasan pLDDT rendah secara amnya adalah kawasan "tidak teratur" (tanpa lipatan yang berbeza).
  • PAE (Ralat Penjajaran Diramalkan): Ralat ramalan dalam kedudukan relatif dua wilayah; Ia menunjukkan betapa boleh dipercayai penempatan domain adalah relatif antara satu sama lain.
  • PDB: Pangkalan data dan format fail di mana struktur protein eksperimen disimpan.

Membaca output AlphaFold: langkah demi langkah

1. Pilih protein dan urutan yang betul. Kenal pasti protein dengan nombor UniProt (pangkalan data maklumat protein); Cari struktur dengan nombor ini dalam pangkalan data AlphaFold.

2. Lihat peta pLDDT. Lihat bahagian struktur mana yang diramalkan dengan keyakinan tinggi (biru) dan yang diramalkan dengan keyakinan rendah (oren/kuning). Berhati-hati dengan komen di kawasan yang tidak dipercayai.

3. Baca carta PAE. PAE menunjukkan sama ada susunan relatif domain dalam protein berbilang domain boleh dipercayai. PAE yang tinggi bermakna kedudukan relatif medan tidak pasti.

4. Bandingkan dengan struktur eksperimen. Padankan struktur eksperimen dalam PDB jika ada. Jika ramalan AlphaFold hampir kepada percubaan, keyakinan anda meningkat.

5. Mentafsir kesan varian. Apabila mentafsir kesan perubahan asid amino pada struktur, pertimbangkan pLDDT dan kepentingan fungsi rantau itu bersama-sama (tapak aktif, poket pengikat).

Petua: pLDDT rendah tidak selalu bermaksud "tekaan salah"; Ia sering menjadi tanda bahawa kawasan itu sebenarnya tidak teratur secara intrinsik. Jadi keyakinan rendah kadangkala mencerminkan fakta biologi yang tepat. Semak juga urutan dengan alat ramalan ketidakteraturan untuk membezakannya.

tiga kes mini

Kes 1 — Terlalu menafsirkan zon keyakinan rendah. Seorang pelajar mendakwa bahawa "gelung" dalam struktur AlphaFold sesuai dengan poket tertentu, dan AI mengesahkannya. Walau bagaimanapun, apabila pelajar itu melihat pLDDT, dia melihat bahawa markah jahitan itu ialah 42 (sangat rendah); jadi kedudukannya tidak boleh dipercayai. Tuntutan itu ditarik balik. Pengajaran: sentiasa semak skor kepercayaan tempatan sebelum mengulas.

Kes 2 — Koordinat yang dibuat-buat. Seorang penyelidik bertanya kepada LLM koordinat 3D bagi asid amino tertentu protein; LLM memberikan nombor yang meyakinkan kepada tiga tempat perpuluhan. Apabila penyelidik membandingkannya dengan koordinat sebenar dalam fail PDB AlphaFold, dia melihat bahawa ia adalah rekaan sepenuhnya. LLM tidak boleh "mengingat" koordinat; koordinat mesti dibaca daripada fail.

Kes 3 — Pengesahan diperoleh. Seorang pelajar PhD tertanya-tanya sama ada satu varian (p.Gly12Val) berdekatan dengan tapak aktif protein. YZ mengingatkan bahawa sisa tapak aktif dinyatakan dalam UniProt; Pelajar itu membuka UniProt dan menemui tapak aktif, kemudian diukur dengan pemapar struktur (PyMOL) bahawa Gly12 berada 8 angstrom dari tapak ini dalam struktur AlphaFold. Pengukuran berangka merangkumi tuntutan "hampir".

Contoh: membaca pLDDT daripada fail struktur

# Dalam fail PDB AlphaFold, pLDDT disimpan dalam lajur B-factor. daripada Bio.PDB import PDBParserimport numpy sebagai npyapi = PDBParser(QUIET=True).get_structure("AF", "AF-P04637-F1.pdb")plddt = [atom.bfactor for atom in structure.get_atoms() if atom.name == "CA"]print("Purata pLDddt" 1))print("Keyakinan rendah (<70) kadar sisa (%):", bulat(100 * np.mean(np.array(plddt) < 70), 1))

Ini membolehkan anda melihat secara berangka kebolehpercayaan keseluruhan struktur sebelum mengulas.

Empat templat yang boleh disalin

1) Tafsiran struktur (dengan skor keyakinan):

Peranan anda: pembantu biologi struktur. Bantu saya mentafsir struktur AlphaFold bagi protein [nombor] UniProt. Jawab soalan ini tetapi selaraskan/skor FITTING: kawasan manakah yang kami jangkakan pLDDT tinggi/rendah, apakah yang ditunjukkan oleh PAE, adakah terdapat struktur eksperimen (PDB), bagaimana saya hendak membandingkan? Saya akan membaca nilai dari fail.

2) Kesan struktur varian:

Bantu saya mentafsir kemungkinan kesan varian berikut pada struktur protein: [m.s. Beri saya bukti yang perlu dicari dan bukannya dakwaan "memusnahkan" langsung.

3) perihalan pLDDT/PAE:

Terangkan dengan contoh perbezaan antara pLDDT dan PAE, yang mana satu harus saya lihat dan bila dalam analisis varian. Pertimbangkan kes protein domain tunggal dan berbilang domain secara berasingan.

4) Pelan perbandingan struktur:

Saya ingin membandingkan ramalan AlphaFold dengan struktur PDB percubaan. Bagaimana untuk mengira RMSD (min sisihan antara struktur), apakah alat yang saya gunakan (PyMOL, Biopython), apakah ambang yang dikira sebagai "tindih yang baik"? Berikan pelan langkah demi langkah.

Gesaan lemah / Gesaan kuat

Lemah: "Lukiskan struktur protein ini dan beritahu kesan p.Arg273His."

Masalah: LLM tidak boleh melukis koordinat struktur/sesuai; skor keyakinan tidak diambil kira; Tuntutan kesan muktamad adalah tidak berasas.

Strong: "Saya memuat turun sendiri binaan AlphaFold untuk UniProt P04637. Melihat pLDDT bagi p.Arg273Sisanya dan anotasi fungsinya dalam UniProt, beritahu saya langkah demi langkah bagaimana saya harus mentafsir kesannya; berikan saya bukti yang perlu dicari dan bukannya tuntutan muktamad."

Mengapa ia berkuasa: Struktur diambil dari sumber, skor kepercayaan diletakkan di tengah, tuntutan dikaitkan dengan bukti.

soalan

Adakah AlphaFold menyampaikan?

Di mana/bagaimana untuk mengesahkan

Ramalan lipatan 3D

ya

AlphaFold DB / fail

amanah tempatan

Ya (pLDDT)

Lajur faktor B

Lokasi antara domain

Ya (PAE)

carta PAE

Struktur sebenar eksperimen

tidak

PDB (percubaan)

Kesan fungsian tepat varian

tidak

Kajian fungsional + pakar

Kesilapan biasa

  • Melangkau skor keyakinan. Tafsiran dalam rantau pLDDT rendah tidak boleh dipercayai.
  • Tersilap ramalan untuk fakta empirikal. Output AlphaFold ialah anggaran; Keputusan kritikal memerlukan bukti empirikal.
  • Meminta koordinat daripada LLM. Koordinat dibaca daripada fail, bukan dihafal.
  • Mengabaikan PAE. Dalam protein multidomain, kedudukan relatif domain mungkin tidak pasti.
  • Segera menganggap keyakinan rendah sebagai "kesilapan". Kadang-kadang kawasan tu memang tak rata.
Awas: Binaan AlphaFold mempersembahkan imej "statik"; Ingat bahawa protein sebenarnya adalah molekul mudah alih yang boleh memasuki pelbagai konformasi. Tiada struktur tunggal yang menggambarkan tingkah laku dinamik sepenuhnya.

Kedalaman: Di mana AlphaFold secara struktur senyap

AlphaFold berkuasa, tetapi mengetahui perkara yang tidak boleh dilakukan adalah separuh daripada perjuangan untuk menggunakannya dengan selamat. Pertama, AlphaFold standard melipat satu protein di angkasa; Ia tidak memodelkan ligan, ion, kofaktor dan molekul dadah. Ion zink dalam tapak aktif enzim atau substrat tidak muncul dalam struktur; Oleh itu, ulasan seperti "poket ini kosong, tidak berfungsi" mungkin mengelirukan. Kedua, ia tidak secara langsung memodelkan kesan mutasi: walaupun anda memperkenalkan dua varian yang hampir dengan urutan yang sama, AlphaFold biasanya menghasilkan struktur yang hampir sama; Anda tidak boleh membuktikan dakwaan "varian ini memecahkan struktur" dengan membandingkan dua ramalan daripada AlphaFold. Ketiga, ia tidak mengambil kira pengubahsuaian pasca translasi (seperti fosforilasi, glikosilasi) dan persekitaran sebenar protein membran dalam membran.

Contohnya: satu pasukan mendakwa daripada imej AlphaFold bahawa varian yang hampir dengan poket pengikat ATP dalam enzim kinase "menutup poket"; kecerdasan buatan juga disahkan. Apabila struktur kristal eksperimen (PDB) dibuka, nampaknya kofaktor di rantau itu yang AlphaFold tidak dimodelkan sudah membentuk poket — kesan varian adalah daripada mekanisme yang berbeza sama sekali. Kes kedua: seorang penyelidik membuat hipotesis bahawa "gelung" antara dua medan menghubungkan dua medan; Peta PAE menunjukkan ralat yang tinggi (kedudukan relatif tidak jelas) antara kedua-dua kawasan tersebut, jadi tuntutan sambungan adalah tidak berasas. Membaca PAE menghalang cerita mekanisme yang rosak.

5) Templat kawalan sempadan AlphaFold:

Sebelum mempertimbangkan tuntutan struktur berikut, senaraikan batasan AlphaFold yang terlibat dalam soalan ini: [tuntutan]. Beritahu saya apakah bukti tambahan (struktur eksperimen, kajian berfungsi) yang saya perlukan, terutamanya dari segi kekurangan ligan/ion/kofaktor, kekurangan pemodelan mutasi dan ketidakpastian PAE.

Secara ringkasnya

  • AlphaFold ialah alat berkuasa yang meramalkan struktur daripada jujukan, tetapi outputnya adalah tekaan; hendaklah dibaca bersama-sama dengan skor keyakinan.
  • pLDDT menunjukkan kepercayaan tempatan, PAE menunjukkan kepercayaan lokasi merentas domain; Tengok kedua-duanya sebelum komen.
  • LLM tidak boleh "mengingat" koordinat atau struktur; dapatkan struktur dari AlphaFold/PDB, gunakan LLM dalam ulasan.
  • Bukti empirikal dan pertimbangan pakar sangat diperlukan dalam keputusan kritikal.

Tugasan permohonan

Muat turun struktur AlphaFold bagi protein (cth., penindas tumor yang dikaji dengan baik) mengikut nombor UniProt. Kira purata pLDDT dan nisbah sisa selamat yang rendah dengan coretan kod di atas. Kemudian pilih varian dan minta AI untuk pelan tafsiran dengan templat ke-2; Semak sendiri anotasi fungsi pLDDT dan UniProt bagi sisa tersebut. Ikat tuntutan anda dengan nilai keyakinan berangka.

senarai semak

  • [ ] Saya mendapat struktur daripada AlphaFold/PDB dengan nombor UniProt.
  • [ ] Saya membaca pLDDT dan PAE sebelum mengulas.
  • [ ] Saya tidak meminta LLM membuat koordinat/skor.
  • [ ] Saya mengaitkan tafsiran varian dengan skor keyakinan baki yang sepadan.
  • [ ] Saya membandingkannya dengan struktur eksperimen, jika ada.
  • [ ] Saya menyokong keputusan kritikal dengan pertimbangan pakar dan bukti empirikal.
Sebelumnya Seterusnya