趙蘊杰教授團隊在軟凝聚態與生物物理研究領域取得新進展

華大在線訊（通訊員 朱瀟瀟）近日，物理科學與技術學院趙蘊杰教授與美國達特茅斯計算機學院Soroush Vosoughi教授、美國喬治華盛頓大學曾辰教授合作在軟凝聚態與生物物理領域取得了新的研究進展，在《Nature Communications》（影響因子：17.694）發表題為“Evaluating native-like structures of RNA-protein complexes through the deep learning method”的研究論文。我校直博生曾成偉為該論文的第一作者，達特茅斯計算機學院簡弋人為共同第一作者，物理科學與技術學院趙蘊杰教授為論文的通訊作者，華中師范大學為第一完成單位。

RNA-蛋白質復合物是生命體中廣泛參與生命活動的軟物質分子，精確的三維結構有助于理解其調控機理與相關疾病的治療。X射線晶體衍射、核磁共振或冷凍電鏡等實驗方法解析RNA-蛋白質復合物結構需要花費大量的時間和財力，亟需發展RNA-蛋白質復合物結構預測的理論計算方法。基于統計勢能的評分函數是目前常用的RNA-蛋白質復合物結構預測評估模型，在剛性對接問題中表現較好，柔性對接的結構評估仍然沒有解決，依然是極具挑戰性的難題。RNA-蛋白質復合物界面相互作用包括靜電、范德華、堿基堆積與氫鍵等多種類型并形成相互作用網絡，RNA分子在復合物結合前后有一定的構象變化，需要發展適用于描述分子復雜系統的多尺度、多維度復雜動力學行為的統計物理新模型。

圖1. DRPScore模型訓練中學習的RNA-蛋白質復合物特征與4DCNN深度學習模型

趙蘊杰教授課題組發展了基于人工智能和統計物理模型相結合的新方法DRPScore（圖1）。該方法通過分子對接模擬復合物結合的構象變化，可以考慮柔性對接中分子結構的變化。另一方面，該方法聚焦于RNA-蛋白質相互作用界面，通過4DCNN模型不僅可以有效學習原子質量、原子電荷、相互作用類型（靜電相互作用、氫鍵等）和相互作用距離的局部特征，還可以學習復合物二級結構相互作用（RNA為配對、發卡環和內環等；蛋白質為螺旋和beta折疊單元）與口袋拓撲結構等全局特征。

圖2. 柔性對接測試集結果。黃色為近天然態結構，DRPScore的預測精度顯著高于傳統模型

柔性對接是RNA-蛋白質復合物結構預測中尚未解決的瓶頸問題。例如，復合物界面相互作用面較小時，傳統統計勢模型過于敏感并導致較難選擇近天然態結構。DRPScore可以通過較少的相互作用數據學習RNA-蛋白質復合物界面特征，較傳統方法有顯著的提升（圖2）。DRPScore在不同柔性程度的測試集上進行了廣泛評估，RNA-蛋白復合物結構預測的剛性對接測試集中成功率為91.67%，柔性對接測試集中的成功率為56.14%，較傳統方法提高了10.53-15.79%，有效解決了結構評估中由柔性誘導的構象變化問題，顯著提高了RNA-蛋白質復合物結合界面相互作用預測的準確性。DRPScore是軟凝聚態與生物物理研究領域中研究生物大分子的有效工具，將對RNA相關復合物結構預測、結構設計與相關藥物開發有重要作用。

該研究工作得到國家自然科學基金面上項目、湖北省百人計劃和華中師范大學優秀青年團隊等資助。

全文鏈接：https://doi.org/10.1038/s41467-023-36720-9

（審讀人：俞云偉）