AF3预测的多肽的活性变化不大甚至下降

夜航星

论坛的各位大佬好，我的研究是探索抗菌肽NZ2114的新靶点，我目前找到了其新靶点MraY，但是使用AF3针对这个靶点和已知靶点的定向突变得到的多肽的活性差别不大甚至有的相比于已经成熟的NZ2114有所下降该如何是好？这是否意味着我的那个新靶点并不靠谱？这条技术路线也走不通？

夜航星

现在就是关于新的抗菌肽的研究已经几乎停滞了，导师说产量和活性都没有很大的提升，已经基本宣告失败了，但是我导师设计的肽因为iptm下降比较多，在大量表达的情况下活性依然不好，同时我对这个肽的结构修改较大的那个去掉二硫键变异肽的MIC也变化不大，和iptm值相吻合，而不是像她们说的那样失去活性。就很纠结后面该怎么办，有没有对AF3的干湿实验比较了解的大佬解答一下我这种情况是否算是正常，实验是否依然有希望继续下去或者有哪些新的路线可以走？

student0618

iptm、pdockq等 和活性沒直接关係，它的是用来评估一个ppi的结构是否接近“正确”，而非强弱。“二者很可能有这种作用” 这事并不代表“这种作用一定直接影响活性。”

也要明白现有模型的限制：对于和PDB或其他training data较大差别的结构、或是有新颖非标准残基的分子，是否能正确描述？

要找出问题前要先理解目标有活性的机制，不同体系不同的。理清机制后，才可以合理开始计划如何使用一个结合的模型、如何作后续模拟分析、模拟的话目的是考察什么等。
搜搜相关设计蛋白的文献，看看现在是用什么方法。有不少的protocol用AF3等预测结构只是流程的其中一步。

后续这种个人认为应当看看现有时间资源、导师意向；如果是学生要满足毕业要求的是否有余裕。有余裕有资源的，是否有兴趣继续，还是有限的时间开始plan B更稳妥？还是综合各方考虑后这项目是值得再花多年时间去寻找的答案？

夜航星

student0618 发表于 2026-5-16 03:57
iptm、pdockq等 和活性沒直接关係，它的是用来评估一个ppi的结构是否接近“正确”，而非强弱。“二者很可能 ...

感谢您的回答，我记得您半年前好像就回答过我的问题，再次感谢。您提到的boltz-2我也进行了尝试，不知道是算法还是啥的原因，boltz-2的速度要比af3快很多，哪怕是进行在线MSA的AF3的速度也是不如boltz-2的，同时我的多肽MSA获得的同源序列也比较少。回到这个评论，今年又有报道说lipid2可以形成超分子结构，就挺难说真的应该把重点放到哪里，我目前遇到的问题主要是毕业要求的数据量可能不太够，想做突变扫描弥补一下工作量，同时对mray的纯化进度很慢，老是纯化不出来。我是想做完MRAY的活性验证的，可惜困难比较多，只能一点一点来，不知道毕业的时候数据量够不够。

夜航星

student0618 发表于 2026-5-16 03:57
iptm、pdockq等 和活性沒直接关係，它的是用来评估一个ppi的结构是否接近“正确”，而非强弱。“二者很可能 ...

然后我今天做了一下MIC和boltz-2的相关性分析，结果发现数据特别差，目前还是AF3的结果好一些，我其实都想向老师问一下有没有planB了，毕竟我现在已经研三了

student0618

可试试看一下机理方向，探讨为什么这些不行。拿预测的结构选一些跑点MD、作些分析看看能不能看出原因。

毕竟是Science嘛，我导以前常说as a science student you need to ask why，用用自己天生的探究精神？

既然实验数据有了、预测结构有了，有没有机会可以作点简单的structure activity relationship分析？

也可以包装成某程度的横测，可以再测几个工具比较，例如传统的多肽对接工具cabsdock、haddock、AF出来前有点火的lightdock 等。

以上随便想的，不知楼主的时间和资源上是否可行，不过是看到楼主应该实验+结构预测都有不少数据了的一些想法。

夜航星

student0618 发表于 2026-8-11 12:58
可试试看一下机理方向，探讨为什么这些不行。拿预测的结构选一些跑点MD、作些分析看看能不能看出原因。

...

实际上数据算不上多，实验数据主要是MIC，MIC也就是针对十几个菌株的结果，因为结果不好导师就不让我下面接着做了。结构预测则是AF3和boltz-2对NZ2114的突变扫描，前期是对两分子之间能够结合的氨基酸进行突变，有几百组数据，现在的是全突变，加在一起也就3000多组数据，个人感觉还远远不够。但是您的structure activity relationship这一部分提醒我了，我觉得可以做一下，但是还没有想好方向。
我又对深度MSA的结果等进行了比较，发现自己之前获得的结果可能并不可信，因为官网和本地MSA时短肽的同源序列只有9条，发现之前的一些突变在深度MSA后iptm实际上还是下降了，我对使用colabfab获得的结果进行了显著性分析，在进行显著性分析的时候发现结果方向一致的随机概率为p=0.008，相关性还是挺强的，貌似确实可以根据iptm的数值进行突变，又重新燃起希望了。不过分析过程我是边学习数学统计方法边让AI做边纠正迭代的。过程和结果是否可信我还要再验证审查一下。目前比较可信的数据集是深度MSA的AF3的两个靶点的突变扫描数据集，我打算根据这两个数据集再做6-8个突变体，看看结果怎么样吧。然后再在这一个月跑一跑MD，学一下MD的方法，再把培训材料喂给本地的codex看看能不能训练一下AI，说不定还能帮帮忙呢。可以在本地运行的AI的智力和网页端的是一个天上一个地下，之前我的一个做生信的朋友也提到了，他们这一行马上就要被AI取代了，我在真的用了之后我也深以为然，而分子动力学模拟感觉也可以去用AI完成，但是不是现在，现在用于训练的语料还比较匮乏，我也不知道有谁在专门做这个。不过我觉得不出三年应该也可以放手让AI做了。

student0618

夜航星 发表于 2026-8-11 15:35
实际上数据算不上多，实验数据主要是MIC，MIC也就是针对十几个菌株的结果，因为结果不好导师就不让我下面 ...

Good luck，祝研究顺利！

SAR 不一定是QSAR/deep QSAR，最简单的发现一些序列可以在某个位点form氢键、有这氢键能增强活性也算是一种。

LLM 跑MD方向，目前(2026年8月)主流模型(包括大型的开源模型) 都已经可以不用上网自行处理invalid order of atom type等基本问题，简单的任务把力场和mdp等放好、protocol写好、习惯用的bash脚本示例给它参考后也可以用来跑不同体系。

力场这些是可以让Agent自己找，但要下载文件的指令我都是手动审核的，很多时候先下载给它更省事。

复杂些的Enhanced sampling任务，可能网上教程训练资料很参差处理的还是不太可靠。
我在某国外社群网站见过有人分享一个说是跑MD的skill，实际上是直接搬某gmx用家写的第一个教程改markdown...... 这种事我大四刚学MD就把那教程写成脚本测试不同机器安装的gmx了，连一个token也不必用。

特定方向(如药物筛选)，专门为传统或复杂一点的任务而写的Skill倒是见不少，但不少的依赖都有点麻烦。

不过没给指示自动生的mdp还是很多问题，大概要等筛选过优质的skill迭代进模型中，1-2年吧。