D-I-TASSER：基于深度学习的单域与多域蛋白质结构预测

深度学习技术在蛋白质结构预测方面的巨大成功，正在挑战传统基于力场的折叠模拟方法的必要性与实用性。我们提出了一种混合方法——基于深度学习的迭代线程组装优化（D-I-TASSER），该方法通过整合多源深度学习势能与迭代线程片段组装模拟，构建原子级别的蛋白质结构模型。D-I-TASSER 引入了一种结构域划分与组装机制，可实现对大型多结构域蛋白质的自动建模。 在基准测试以及最新一轮蛋白质结构预测关键评估实验（CASP15）中，D-I-TASSER 在单结构域和多结构域蛋白质上均优于 AlphaFold2 和 AlphaFold3。大规模的蛋白质折叠实验进一步显示，D-I-TASSER 能够准确预测人类蛋白质组中 81% 的结构域和 73% 的完整链序列，其预测结果与 AlphaFold2 最新发布的模型高度互补。这些成果表明，深度学习与经典基于物理的折叠模拟方法的整合，为实现高精度、可用于全基因组应用的蛋白质结构与功能预测开辟了新的路径。