編輯 | 白菜葉

了解蛋白質復合物的結構對于健康、農業、生物工程等領域的突破至關重要。

雷丁大學（University of Reading）研究團隊開發的 MultiFOLD2 和 ModFOLDdock2 分別是用于蛋白質四級結構預測和模型質量評估的服務器。

MultiFOLD2 集成了四級結構的化學計量預測功能，并改進了采樣和評分功能，使其在 CAMEO 等連續獨立基準測試中表現出色。

ModFOLDdock2 采用混合共識方法生成預測四級結構的全局和局部質量評分。

ModFOLDdock2 與 MultiFOLD2 既可以集成使用，又可以作為獨立服務器使用，從而支持對任何來源的四級結構模型進行獨立評估。這兩款服務器均經過獨立且嚴格的評估，在 CASP16 實驗中展現出優異的性能。

該研究以「Prediction and quality assessment of protein quaternary structure models using the MultiFOLD2 and ModFOLDdock2 servers」為題，于 2025 年 4 月 25 日發布在《Nucleic Acids Research》。

繼 AlphaFold2 在 CASP14 實驗中取得成功后，蛋白質三級結構建模的精度已接近實驗水平。因此，自 CASP15 實驗以來，該團隊的重點一直放在開發蛋白質四級結構建模方法及其質量評估方面。

針對 CASP15，研究人員開發了兩個互補的服務器：MultiFOLD 用于三級和四級結構預測，以及 ModFOLDdock 用于評估多聚體模型的精度。

MultiFOLD：https://www.reading.ac.uk/bioinf/MultiFOLD/

ModFOLDdock：https://www.reading.ac.uk/bioinf/ModFOLDdock/

在最新的論文中，研究人員概述了 MultiFOLD 和 ModFOLDdock 服務器的主要更新，描述了它們的功能，并報告了它們在最新主要獨立國際基準 CASP16 和 CAMEO 中的表現。

圖示：MultiFOLD 和 ModFOLDdock 工作流程（來源：論文）

MultiFOLD2 和 ModFOLDdock2 均由 CASP16 評估人員獨立進行基準測試。MultiFOLD2 也由 CAMEO 資源持續評估。在 CASP16 中，實驗的一項重大變化是分階段發布多聚體靶點。在第 0 階段，服務器需要預測靶點的化學計量，因為最初并未提供此信息。此外，CAMEO 資源在向參與服務器提交靶點時不提供化學計量信息。

因此，對于 MultiFOLD2，其的主要創新之一是為服務器提供更穩健的化學計量預測。此外，MultiFOLD2 服務器改進了采樣功能，添加了來自 AlphaFold2-Multimer 的模型，包括 dropout、RoseTTAFold2 和 RoseTTAFold-All-Atom，并使用 ModFOLDdock2 優化了模型評分。

圖示：MultiFOLD2 服務器結果頁面針對 CASP16 目標 T0240，其中正確預測了化學計量 A3，可使用移動和桌面瀏覽器查看。（來源：論文）

在連續 CAMEO 基準測試中，MultiFOLD2 的整體性能優于 AlphaFold3 (AF3)。在 CASP16 中，根據 GDT_TS 評分，MultiFOLD2 在中等難度和高難度目標的所有服務器方法中排名第六，并在極難領域目標中排名第一。在多聚體類別中，MultiFOLD2 超越了 AlphaFold2 (ColabFold) 基線服務器。此外，根據官方 lDDT 評分，MultiFOLD2 在階段 0 多聚體目標上的性能優于 AF3。

ModFOLDdock2 服務器采用混合共識方法，為預測的四級結構生成全局和局部（界面殘基）質量評分。ModFOLDdock2 與 MultiFOLD2 集成，但研究人員也將其作為獨立服務器提供，從而方便用戶獨立評估來自任何來源的模型。

簡而言之，與原版 ModFOLDdock 服務器的主要區別在于增加了新的評分和一個用于預測局部評分的神經網絡。

圖示：MultiFOLD2 和 ModFOLDdock2 對異多聚體 CASP16 靶標 H0225（階段 0）/H1225（階段 1）的預測示例，化學計量為 A1B1C1。（來源：論文）

ModFOLDdock2 在 CASP16 中榮獲四級結構模型全局和局部界面評分第一名，其變體在各方面均表現優異。因此，該團隊受邀在 2024 年 12 月的 CASP16 會議上展示他們的方法。

在 CASP16 和 CAMEO 上對 MultiFOLD2 和 ModFOLDdock2 進行了嚴格的獨立評估后，該團隊為它們提供了直觀的線上訪問界面，并免費向所有人開放，造福全球生命科學界。

訪問服務器：https://www.reading.ac.uk/bioinf/

論文鏈接：https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkaf336/8119807?login=false

相關內容：https://x.com/BiologyAIDaily/status/1916347848108781766