AlphaFold3实操专题三：预测蛋白质与RNA互作

专题（一）介绍转录因子与靶基因启动子、专题（二）介绍蛋白质与蛋白质的互作预测。本次介绍蛋白质与RNA互作。先上应用实操总结（同专题一/二总结类似，看过可忽略直接进入实操正文）：
优点：利用AlphaFold3预测蛋白与靶RNA互作，目前大概是生信预测类中最准确的方法。充分使用该工具，make it（互作机制研究） easier。建议结合其他生信分析网站，如catRAPID、RBPDB等网站（干实验数据），或充分整合自己项目的RIP-Seq互作组数据（湿实验数据），进行初步分析，然后再用AlphaFold3进行预测验证，将会提高互作机制研究的成功率。
缺点：AlphaFold3毕竟是基于序列和AI大模型的建模预测，本身仅供参考。另外，真实世界的分子互作，有很多影响因素，比如序列修饰、互作受环境条件、遗传背景等，可供AlphaFold3训练的语料非常有限。因此，基于AlphaFold3的互作预测，需要小心求证。另外，AlphaFold3使用，需要Google和Gmail邮箱才能顺利使用，会限制很多科研工作者的正常使用。
策略：我们团队紧跟互作机制研究热点，可以助力项目研究，使用AlphaFold3工具进行预测分析。另外，我们团队长期聚焦互作机制研究的湿实验技术服务，如RIP-Seq互作组检测、RIP-qPCR互作蛋白验证、修饰互作验证、环境条件互作验证、互作调控机制探索等实验，协助您轻松突破互作机制研究，让科研成果更上一层楼。
实操正文如下：
蛋白质与RNA互作是指蛋白质与RNA分子之间的相互作用。这种互作在生物体内广泛存在，参与基因表达调控、RNA加工和转运等多种生命过程。蛋白质通过与RNA结合，影响RNA的结构和功能，进而调控生物体的生理和病理过程。
那么如何用AlphaFold3预测蛋白质与RNA互作呢？
第一步，通过Uniport网站获取候选基因的蛋白质序列（以MYC为例）。


第二步，通过NCBI获取RNA序列（以lncRNA H19为例）。

第三步，访问 AlphaFold Server和输入数据进行预测。

登录谷歌邮箱账号，点击Add entity框就可以添加蛋白质、DNA、RNA、配体和离子（金属离子）。

将MYC蛋白质和H19的核酸序列序列输入，点击”Continue and preview job”。


点击“Confirm and submit job”即可提交作业，因H19核酸序列较长，本次运行约30 分钟左右。

第四步，结果。MYC和H19互作预测结果。点击“Download”可下载数据。颜色越蓝表示预测的置信度越高，越橙则越低。


注：pLDDT：基于 0-100 量表的每个原子置信度估计，其中较高的值表示置信度较高。pTM 和 ipTM 分数：预测模板建模（pTM）分数和界面预测模板建模（ipTM）分数均来自称为模板建模（TM）分数的度量。pTM 分数高于 0.5 表示整体预测的复合物折叠可能与真实结构相似。ipTM 衡量复合物内亚基相对位置的预测准确性。高于 0.8 的值表示置信度高的高质量预测，而低于 0.6 的值则表明可能是失败的预测。ipTM 分数在 0.6 到 0.8 之间为灰色区域，预测可能正确或不正确。对于小结构或短链，TM 分数非常严格，因此当涉及少于 20 个标记时，pTM 分数赋值低于 0.05；在这些情况下，PAE 或 pLDDT 可能更能指示预测质量。
这些cif文件可以用PyMol类似的软件打开，然后进行后续分析。

AlphaFold3给蛋白质与RNA互作预测提供了新的方法和工具。
如遇AlphaFold3实操问题，欢迎评论留言进行交流探讨！