Nat. Methods | 面向大分子复合物结构比较的全自动化基准测试框架

DRUGONE

随着人工智能方法在大分子复合物结构预测中的快速发展，如何在无需人工干预的情况下，对复杂预测结果进行系统、公平且可扩展的评估，成为结构生物信息学中的关键问题。研究人员构建了一套全自动基准测试框架，用于比较预测模型与实验参考结构在三级结构、四级结构、界面以及蛋白–配体复合物等多个层面的差异。该框架集成了自动化链映射、配体匹配与多种互补评分指标，能够高效处理高复杂度的大分子体系，为大规模基准评测和 AI 方法开发提供了统一、可靠的解决方案。

蛋白质结构预测领域长期依赖基准评测来推动方法进步。随着预测对象从单链蛋白扩展到多链大分子复合物，传统评测方法在以下方面逐渐暴露局限性：

• 复合物中链的对应关系不唯一，人工指定映射容易引入偏差；
• 结构规模和复杂度提升，使穷举式比对在计算上不可行；
• 传统基于刚性叠合的指标难以应对结构柔性与局部差异；
• 多配体、变构象体系缺乏统一、自动化的评估工具。

在 AI 驱动的结构预测时代，研究人员迫切需要一种可扩展、全自动、适用于复杂体系的结构比较与基准评测框架。

方法

研究人员在 OpenStructure 框架中实现了一套端到端的自动化结构比较流程。该流程首先对蛋白质、核酸及小分子配体进行统一预处理，并通过序列与化学等价性分组实现自动化映射；随后，针对不同评估目标，采用专门设计的链映射算法（QSMap / QSMapR）与配体匹配策略；最终，计算一系列互补的结构评分指标，用于量化预测模型在整体拓扑、局部结构、界面相互作用以及配体结合构象等方面的准确性。整个流程无需人工干预，适用于高通量、大规模基准测试。

结果

面向大规模复合物的自动链映射算法

研究人员提出了 QSMap 与 QSMapR 两种链映射算法，分别针对界面接触精度与整体拓扑一致性进行优化。结果表明：

• 在多链复合物中，该方法可高效处理 10–30 条链 的复杂体系；
• 相较传统穷举或刚性叠合方法，在计算效率和映射准确性上均有明显提升；
• 不同算法可根据评测目标灵活选择，避免“一刀切”的映射策略。

图 1｜大分子复合物结构评估的关键维度示意图。

升级版 LDDT 评分实现多链与多分子支持

研究人员重新实现并扩展了 LDDT 评分，使其能够：

• 原生支持多链蛋白与核酸复合物；
• 与自动链映射算法无缝结合；
• 引入界面专用与主链简化版本，用于不同层级的结构评估。

该实现显著提升了在复杂体系中的鲁棒性与自动化程度。

蛋白–配体复合物的全自动评估指标

针对多配体与复杂结合模式，研究人员提出了三类新评分指标：

• 用于衡量配体构象精度的对称校正位置偏差指标；
• 用于评估蛋白–配体接触重现程度的局部距离差分指标；
• 用于刻画结合口袋结构一致性的局部结构评分。

这些指标能够区分“构象正确但局部接触错误”等传统指标难以识别的情况。

图 2｜链映射算法在不同规模复合物中的性能比较。

图 3｜配体构象误差与相互作用重现度之间的关系。

图 4｜异常预测示例及不同评分指标的响应差异。

统一的全自动基准测试平台

研究人员将上述方法整合为一个统一的平台，支持：

• 命令行与 Web 接口调用；
• 蛋白、核酸、复合物及蛋白–配体体系的统一评估；
• 在大规模基准项目中稳定运行。

该框架已在国际结构预测评测中得到实际应用验证。

讨论

该研究提出的全自动基准测试框架，为复杂大分子复合物结构预测提供了系统性的评估工具。通过将链映射、结构比对与多层次评分统一到单一框架中，研究人员显著降低了人工干预需求，提高了评测结果的可重复性与可扩展性。

尽管该框架尚未覆盖结构质量验证、无序区建模或蛋白–肽相互作用等更复杂场景，但其设计为未来扩展奠定了坚实基础。在 AI 驱动的结构预测快速发展的背景下，这种高通量、自动化的评测体系将成为方法开发与比较中不可或缺的基础设施。

整理 | DrugOne团队

参考资料

Studer, G., Robin, X., Bienert, S. et al. A fully automated benchmarking suite to compare macromolecular complexes. Nat Methods (2025).

https://doi.org/10.1038/s41592-025-02973-z

内容为【DrugOne】公众号原创｜转载请注明来源