RoseTTAFold

是什么

RoseTTAFold 是一种用三轨神经网络预测蛋白质结构的方法。描述它的论文于 2021 年 7 月 15 日发表在《科学》（Science）上，作者是贝克实验室（Baker lab）由 Minkyung Baek 带领的团队。^[1][2] 它从序列出发，既处理单个蛋白质的形状，也处理蛋白质如何组装成复合物。

三轨网络如何工作

蛋白质是一条氨基酸链，要预测它的结构，需要同时处理好几个层次的信息。RoseTTAFold 把这些信息分成三条轨道：一维的氨基酸序列，二维的距离图（distance map，记录残基两两之间相隔多远），以及三维的空间坐标。信息在这三个层次之间依次被变换和整合，一条轨道学到的东西会约束另外两条，结果还会反向传回去，而不是把序列和几何当成两个互不相干的问题。^[1] 三条轨道连在一起，网络在搭建结构时就能用上跨越整条链的约束。

CASP14 上的精度

CASP 是该领域的社区盲测：参评方法在看不到实验结果的情况下，预测刚刚被测定的蛋白质结构。在第 14 届 CASP（CASP14）上，RoseTTAFold 的预测结果接近 DeepMind 的 AlphaFold2。^[1] 在同一批目标上做到接近 AlphaFold2，意味着研究者手里多了一个精度处于同一区间的方法。

它能解决什么问题

这一方法可以快速解决 X 射线晶体学（X-ray crystallography）和冷冻电镜（cryo-electron microscopy）中一些困难的建模问题。^[1] 它还能仅凭序列给出蛋白质—蛋白质复合物的模型，绕开了先把各个亚基分别建模、再把它们对接（docking）起来的常规路线。^[1] 蛋白质设计研究所（Institute for Protein Design）说，在一台游戏电脑上，算出一个结构最快只要十分钟。^[2] 团队用它计算了数百个新结构，其中包括了解甚少的人类蛋白质，以及脂质代谢、炎症和癌细胞生长相关的靶点。^[2]

授权与运行门槛

随发布一同开放的还有一个公共网络服务器，上线第一个月就有超过 4500 个蛋白质被提交上去。^[2] 代码以 MIT 许可证发布，训练好的权重则按 Rosetta-DL 软件许可证限于非商业用途。^[3] 在本地运行需要体积很大的参考数据库：UniRef30 约 46 GB，BFD 约 272 GB，PDB100 模板集约 100 GB 以上。^[3]

后续版本

2021 年 11 月加入了一个两轨的变体 RF2t，用于酵母蛋白质—蛋白质相互作用的筛选。^[3]

在领域中的位置

RoseTTAFold 把几件通常分开的事情放在了一起：在 CASP14 上接近 AlphaFold2 的精度，仅凭序列预测蛋白质复合物的能力，以开放许可证发布的代码，以及第一个月就收到数千次提交的公共服务器。^[1][2][3] 这让结构预测成为实验室自己就能运行、并在此基础上继续搭建的东西。