方法与工具Nucleic Acids Research · 结构基准数据集与算法评测

用于含核糖基修饰核酸及核酸–蛋白质复合物建模的 MODNAP 基准集：以 AlphaFold 3 为例

The MODNAP benchmark set for modeling ribose-based modified nucleic acid and nucleic acid-protein complexes: a case study with AlphaFold 3.

一句话构建 MODNAP 基准集，评估修饰核酸结构预测，并揭示 AlphaFold 3 的局部定位与几何有效性问题。

研究问题

如何建立覆盖修饰核酸及其蛋白质复合物的结构预测基准集？AlphaFold 3 在整体结构预测、修饰核苷酸定位和分子内几何有效性方面表现如何？

数据与样本

数据来源为 Protein Data Bank 中含核糖基修饰核苷酸的实验测定结构。用于 AlphaFold 3 基准评测的集合包含 1039 个核酸及核酸–蛋白质复合物结构，覆盖多种核苷酸修饰、三级折叠和生物学功能。

分析流程

1修饰特征分析：系统分析 Protein Data Bank 结构中的核糖基修饰核苷酸及其化学与结构多样性。
2基准集构建：整理含修饰核苷酸的实验测定结构，建立 MODNAP 数据集。
3结构预测评测：使用 MODNAP 中的 1039 个结构评估 AlphaFold 3，并在 RMSD 阈值为 2.5 Å 时计算成功率。
4局部定位评估：考察修饰核苷酸的定位准确性，并评估训练中未明确涵盖结构的预测表现。
5几何有效性检查：使用 PoseBusters 分析分子内有效性失败及其相关几何问题。

关键方法与工具

Protein Data Bank: 提供实验测定结构
MODNAP: 修饰核酸结构预测基准集
AlphaFold 3: 预测核酸及复合物结构
RMSD: 评估结构预测成功率
PoseBusters: 检查分子内几何有效性

设计思路

以实验测定结构为参照，纳入多种修饰、三级折叠和生物学功能，评估算法在不同结构背景下的表现。将整体 RMSD、修饰核苷酸定位与分子内有效性检查结合，区分整体结构预测成功与局部几何合理性，并考察训练中未明确涵盖结构的表现。

主要发现

核苷酸修饰主要位于核碱基，其化学与结构多样性受分子大小、拓扑形状描述符及极性相关性质影响。
研究构建了 MODNAP，作为首个经整理的含修饰核苷酸实验测定结构数据集。
在 1039 个核酸及核酸–蛋白质复合物结构的评测中，AlphaFold 3 在 RMSD 阈值为 2.5 Å 时成功率超过 80%。
AlphaFold 3 对修饰核苷酸的定位准确性存在差异，对于训练中未明确涵盖的结构，准确性下降。
PoseBusters 检查发现分子内有效性频繁失败，主要问题为核糖环几何构型不理想。

可借鉴之处

开展结构预测评测时，可借鉴本文以实验结构为参照、覆盖多种修饰与折叠类型的基准集构建方式。
不要仅用整体 RMSD 判断模型质量，可像本文一样补充修饰位点定位和分子内几何有效性检查。
评估模型泛化表现时，可单独考察训练中未明确涵盖的结构，避免整体成功率掩盖此类结构的准确性下降。

数据与代码

摘要说明结构来源于 Protein Data Bank，并构建了 MODNAP 数据集，但未提供数据集访问地址、编号或代码仓库。

局限

基准集来源于 Protein Data Bank 已收录的实验结构，评测范围受这些结构所覆盖的修饰与构象限制。

摘要（中文翻译）

修饰核酸在生物学和生物技术中发挥重要作用。然而，其化学与结构多样性，以及对核酸结构和分子间相互作用的影响，仍未得到充分表征。结构预测和共折叠算法在修饰核酸及核酸–蛋白质复合物建模中的表现也尚未得到评估。在此，我们系统分析了 Protein Data Bank 已收录结构中的核糖基修饰核苷酸。核苷酸的修饰主要位于核碱基，其化学与结构多样性受分子大小、拓扑形状描述符及极性相关性质的影响。我们开发了 MODNAP，这是首个经整理的、包含修饰核苷酸的实验测定结构数据集。利用 MODNAP，我们在 1039 个核酸及核酸–蛋白质复合物结构上对 AlphaFold 3 进行基准评测，涵盖多种核苷酸修饰、三级折叠和生物学功能。在 RMSD 阈值为 2.5 Å 时，AlphaFold 3 的成功率超过 80%。然而，其对修饰核苷酸的定位准确性存在差异，且对于训练中未明确涵盖的结构，准确性有所下降。PoseBusters 分析显示，分子内有效性检查频繁失败，主要原因是核糖环几何构型不理想。总体而言，这些结果确立了 MODNAP 作为评估和改进修饰核酸结构预测方法的资源。

英文原文摘要

Modified nucleic acids play important roles in biology and biotechnology. However, their chemical and structural diversity as well as effects on nucleic acid structure and intermolecular interactions remain incompletely characterized. The performance of structure prediction and co-folding algorithms for modeling modified nucleic acids and nucleic acid-protein complexes has also not been evaluated. Here, we systematically analyze ribose-based modified nucleotides present in structures deposited in the Protein Data Bank. Modified nucleotides are primarily localized to the nucleobase, where they exhibit chemical and structural diversity shaped by molecular size, topological shape descriptors, and polarity-related properties. We develop MODNAP, the first curated dataset of experimentally determined structures containing modified nucleotides. Using MODNAP, we benchmark AlphaFold 3 on 1039 nucleic acid and nucleic acid-protein complex structures spanning a range of nucleotide modifications, tertiary folds, and biological functions. AlphaFold 3 achieves success rates exceeding 80% at an RMSD threshold of 2.5 Å. However, its accuracy in positioning modified nucleotides is variable and decreases for structures not explicitly represented in training. PoseBusters analysis reveals frequent intramolecular validity failures, primarily due to non-ideal ribose ring geometries. Together, these results establish MODNAP as a resource for evaluating and improving structure prediction methods for modified nucleic acids.

摘要来自 PubMed。翻译与解读由模型根据摘要生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。