bioRxiv | 浙江工业大学张贵军/西湖大学曾坚阳等：基于序列衍生结构互补性的高精度蛋白质复合物结构建模

本文介绍了浙江工业大学张贵军团队和西湖大学曾坚阳团队开发的DeepSCFold模型，用于高精度蛋白质复合物结构建模。背景方面，蛋白质复合物结构对理解生物功能至关重要，但实验技术面临诸多限制，计算方法成为重要补充。研究目的是通过基于序列的深度学习模型预测结构相似性和相互作用概率，构建高质量的配对多序列比对（MSAs），以改进蛋白质复合物建模。实验结果显示，DeepSCFold在CASP15多聚体目标和SAbDab抗体-抗原复合物中的表现显著优于现有方法，如AlphaFold-Multimer和AlphaFold3。结论表明，DeepSCFold通过序列衍生信息有效捕获保守的蛋白质相互作用模式，减少对序列级别共进化信号的依赖，为蛋白质复合物结构预测提供了新的解决方案。