最良のテンプレートは、タンパク質の安定性に対する変異の影響を予測する際に相同性モデルを上回る

動機：突然変異に対するタンパク質の安定性変化の予測（ΔΔG）は、タンパク質の工学とタンパク質の折り畳み原理の理解を促進するために重要です。タンパク質の折りたたみ自由エネルギーの変化の堅牢な予測には、タンパク質3次元（3D）構造の知識が必要です。タンパク質3D構造が利用できない場合、タンパク質配列から構造を予測できます。ただし、予測されたタンパク質構造のΔΔG予測の視点は不明です。ΔΔG予測に最適なテンプレートの3D構造を使用する精度も不明です。 結果：これらの質問を調査するために、7つの多様で正確に公開されたツール（Foldx、eris、rosetta、ddgun、acdc-nn、thermonet、dynamut）の代表的なセットを使用しました。3D構造予測。すべてのΔΔG予測因子の相同性モデルよりも一貫してパフォーマンスが発生することがわかりました。我々の発見は、タンパク質3D構造が利用できない場合、突然変異上のタンパク質安定性変化の予測に最適なテンプレート構造を使用することを意味します。 可用性と実装：データはhttps://github.com/ivankovlab/template-vs-modelで入手できます。 補足情報：補足データは、バイオインフォマティクスオンラインで入手できます。

MOTIVATION: Prediction of protein stability change upon mutation (ΔΔG) is crucial for facilitating protein engineering and understanding of protein folding principles. Robust prediction of protein folding free energy change requires the knowledge of protein three-dimensional (3D) structure. In case, protein 3D structure is not available, one can predict the structure from protein sequence; however, the perspectives of ΔΔG predictions for predicted protein structures are unknown. The accuracy of using 3D structures of the best templates for the ΔΔG prediction is also unclear. RESULTS: To investigate these questions, we used a representative set of seven diverse and accurate publicly available tools (FoldX, Eris, Rosetta, DDGun, ACDC-NN, ThermoNet and DynaMut) for stability change prediction combined with AlphaFold or I-Tasser for protein 3D structure prediction. We found that best templates perform consistently better than (or similar to) homology models for all ΔΔG predictors. Our findings imply using the best template structure for the prediction of protein stability change upon mutation if the protein 3D structure is not available. AVAILABILITY AND IMPLEMENTATION: The data are available at https://github.com/ivankovlab/template-vs-model. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.