使用STARLING对无序蛋白质集合进行精确预测

固有无序蛋白质和区域（统称为IDR）存在于所有生命王国中，并在几乎所有真核细胞过程中发挥着关键作用¹。IDR以广泛的结构不同的构象集合形式存在。这种结构可塑性促进了多种分子识别和功能^2,3,4。在这里，我们将基于物理的力场进展与多模态生成深度学习的力量相结合，开发了STARLING，这是一个用于从序列快速生成精确IDR集合和集合感知表示的框架。STARLING支持跨离子强度的环境调节，并展示了生成模型超出其训练域的插值能力的实证概念。此外，我们利用贝叶斯最大熵重加权方案，实现在实验约束下的集合精炼。除了集合表征，STARLING序列表示可以有多种用途。我们展示了两个例子：首先，STARLING使我们能够进行基于集合的“生物物理相似物”搜索。其次，我们证明了如何使用这些潜在表示来加速从每周或每候选人几小时缩短到几秒的、面向集合的序列设计，从而实现库级设计。总而言之，STARLING通过新兴的生物物理特性视角，极大地降低了对IDR功能进行计算探究的门槛，作为生物信息学蛋白质序列分析的补充。我们根据现有的实验数据评估了STARLING的准确性，并提供了一系列插图，说明STARLING如何能够为IDR功能快速生成假设，并辅助实验数据的解释。