【标题】RL-MLZerD: Multimeric protein docking using reinforcement learning

【作者团队】Tunde Aderinwale, Charles Christoffer, Daisuke Kihara

【发表日期】2022.8.26

【论文链接】https://www.frontiersin.org/articles/10.3389/fmolb.2022.969394/full

【推荐理由】细胞中的许多生物学过程都是由蛋白质复合物进行的。要了解此类过程的分子机制，了解复合物的第四纪结构至关重要。尽管蛋白质复合物的结构已通过快速速度的生物物理实验确定，但仍有许多重要的复合结构尚待确定。为了补充复合物的实验结构测定，已经开发了许多计算蛋白对接方法。但是，这些对接方法中的大多数仅设计用于与两个链条对接。本文介绍了一种新颖的方法RL-Mlzerd，该方法使用强化学习（RL）构建了多个蛋白质复合物。在RL-Mlzerd中，多链组装过程被认为是在RL框架中选择和集成预计的成对对接模型的一系列情节。RL在正确选择与复杂结构中的其他亚单位很好匹配的似是而非的成对模型方面是有效的。当在具有三到五个链的蛋白质复合物的基准数据集上进行测试时，RL-Mlzerd在不同的评估标准下表现出比其他现有多个对接方法的建模性能更好，除了在未结合对接中针对α折叠多聚体。此外，通过研究RL计算中的优选路径，可以自然地预测多链复合物的对接顺序。