《NAR Genomics and Bioinformatics》：Comparative evaluation of the prediction accuracy of AlphaFold and ESMFold for monomeric and dimeric proteins
编辑推荐：
本研究针对AI蛋白质结构预测工具在实际应用中的准确性评估需求，系统比较了AlphaFold2、AlphaFold3和ESMFold对2022-2024年PDB新发布结构的预测性能。通过对1666个单体和994个二聚体的严格测试发现，AlphaFold系列对单体蛋白预测准确率达88%，二聚体为77%，而ESMFold分别为76%和41%。研究还开发了交互式评估平台ProModEv，为工具选择提供重要基准。
蛋白质是生命活动的执行者，其三维结构决定着生物学功能。传统实验方法如X射线晶体学、核磁共振和冷冻电镜虽能解析结构，但耗时耗力，迄今仅解析约23.8万结构，与UniProtKB中2.53亿蛋白序列形成巨大差距。人工智能技术革命性地改变了这一局面：DeepMind开发的AlphaFold2在CASP14竞赛中表现惊艳，其预测精度可与实验结构相媲美；随后出现的ESMFold基于蛋白质大语言模型，无需多序列比对即可快速预测结构。然而，这些工具在真实生物医学研究中的可靠性如何？它们对单体蛋白和蛋白质复合物的预测准确性是否存在差异？这些问题亟待系统评估。
为此，印度国家免疫学生物信息学中心的Sanjeet Kumar Mahtha、Sureshkumar Venkadesan和Debasisa Mohanty在《NAR Genomics and Bioinformatics》上发表了最新研究，对AlphaFold2、AlphaFold3和ESMFold进行了全面基准测试。研究团队选取了2022-2024年间PDB新发布的结构作为测试集，通过严格筛选（序列一致性<40%，查询覆盖率<70%）确保所选目标在工具训练数据之外，最终获得1666个单体和994个二聚体作为挑战性目标。
研究采用的关键技术方法包括：从PDB获取2012-2024年结构数据并通过BLAST分析筛选无近缘模板的目标；使用本地安装的AlphaFold2(v2.2.3)和ESMFold(v1.0.3)以及在线AlphaFold3服务器进行结构预测；通过RMSD（均方根偏差）、LDDT（局部距离差异测试）和pLDDT（预测局部距离差异测试）评估单体结构，使用DockQ评分评估二聚体界面准确性；开发基于Web的ProModEv平台集成所有评估结果。
单体蛋白预测性能分析
AlphaFold2和AlphaFold3表现高度一致，分别准确预测了64.2%和64.6%的单体结构（RMSD≤3.0?，LDDT≥0.7），另有23%左右的预测存在域移动但局部结构正确。合并计算后，两者总体准确率均达87%以上。ESMFold准确预测了50%的单体，26%存在域移动，总体准确率为76%。值得注意的是，NMR结构预测失败率最高（67-73%），这与NMR结构的构象柔性相关。研究还发现，当将预测结构与NMR全集合作比较而非单一构象时，准确率可提高10%。
二聚体蛋白预测性能分析
蛋白质复合物预测更具挑战性。AlphaFold2和AlphaFold3分别正确预测了76.8%和75%的二聚体（DockQ≥0.23），其中高质量预测（DockQ≥0.80）分别占36.3%和34.8%。ESMFold二聚体预测准确率显著降低至41.1%，且高质量预测仅占8.6%。分析表明，ESMFold失败主要发生在界面区域，与其不依赖MSA而缺乏共进化信号有关。真正生物二聚体的界面面积通常超过1200?2，而误判为二聚体的单体界面面积多小于800?2。
pLDDT置信度的局限性
研究发现pLDDT高分不一定保证结构准确：75-88%的错误单体预测和57-88%的错误二聚体预测仍显示高pLDDT（≥70）。校准分析表明，仅当pLDDT>90时才能可靠指示准确性。因此，pLDDT应结合RMSD、DockQ等指标综合评估。
ProModEv评估平台
为促进结果共享，团队开发了ProModEv（
http://pdbi.nii.ac.in/ProModEv/），提供交互式界面用于比较预测与实验结构，支持按蛋白类型、实验方法等筛选查看详细评估指标。
研究结论强调，AlphaFold系列在当前蛋白质结构预测中保持领先地位，特别是对二聚体接口的预测显著优于ESMFold。然而，所有工具对NMR结构和柔性区域预测仍存在局限，且pLDDT置信度需谨慎解读。该基准测试为计算结构生物学提供了重要实践指导，ProModEv平台将持续更新纳入新结构和预测方法，推动蛋白质结构预测领域的标准化评估和工具优化。
