研究人员介绍，虽然AlphaFold2可以从一级序列预测准确的蛋白质结构，但对于经历构象变化或同源序列很少的蛋白质来说，仍然存在挑战。

研究人员开发了AlphaLink工具，这是AlphaFold2算法的一个修改版本，它将实验性的距离约束信息纳入其网络架构。通过使用稀疏的实验接触作为锚点，AlphaLink提高了AlphaFold2在预测挑战性目标方面的性能。

研究人员通过使用非经典氨基酸光亮氨酸通过交联质谱法获得细胞内残基-残基接触的信息，通过实验证实了这一点。该程序可以在提供的距离约束的基础上预测蛋白质的不同构象，证明了实验数据在驱动蛋白质结构预测中的价值。

总之，本文提出的用于在蛋白质结构预测中整合数据的耐噪声框架为从细胞内数据中准确表征蛋白质结构提供了新的方案。

相关论文信息：

https://doi.org/10.1038/s41587-023-01704-z