Rosetta@home

Rosetta套装软件当中的一个组件RosettaDesign，被用来精确预测淀粉样蛋白（amyloidogenic protein）的哪个区域最可能形成淀粉样纤维。[26]通过获取蛋白质中的六肽（6个氨基酸长度的片断），选择与一个已知能够形成纤维的六肽相匹配的最低能量结构，RosettaDesign能够识别出形成纤维可能性为随机蛋白质两倍的肽段。[27]在此类研究中，Rosetta@home被用于预测β淀粉样蛋白的结构。[28]β淀粉样蛋白是一种能够形成纤维的蛋白质，被认为会引起阿兹海默病。RosettaDesign一项尚未发表的初步结果设计出了也许可以预防纤维形成的蛋白质，但它能否预防这种疾病尚不得而知。[29]

Rosetta的另一个组件RosettaDock[30][31][32]与实验方法相结合，被用于构造致死因子（lethal factor，LF）、水肿因子（edema factor，EF）和保护性抗原（protective antigen，PA）等三种蛋白质的交互作用模型。这三种蛋白质构成了炭疽病毒素。这个模型精确预测LF与PA之间的对接，帮助确定两种蛋白质分别有哪些结构域参与到LF-PA复合体的构造中。这项成果最终被应用到改良的炭疽病疫苗的研制。[33][34]

RosettaDock还被用来构造一种抗体（免疫球蛋白G）与能够使抗病毒抗体退化的单纯疱疹病毒1型（HSV-1）表面蛋白之间的对接模型。RosettaDock预测的蛋白质复合体与极难得到的实验模型近乎一致。研究人员总结说，这种对接方法可望解决X射线结晶学方法构造蛋白质-蛋白质界面模型所遇到的一些问题。[35]

作为一项获得比尔与美琳达·盖茨基金会1940万美元资助的研究项目的一部分[36]，Rosetta@home被用于设计人类免疫缺陷病毒（HIV）疫苗。[37][38]

在与“全球重大卫生挑战计划”相关的研究中[39]，Rosetta还被用于运算设计新型的归巢核酸内切酶蛋白质。这种蛋白质能够根除冈比亚疟蚊或者使这种疟蚊无法传播疟疾。[40]由于能够构建及改变蛋白质-DNA交互作用模型，特别是归巢核酸内切酶蛋白质等，像Rosetta这一类运算蛋白质设计方法成为基因治疗中的一个重要角色。[24][41]

華盛頓大學蛋白質設計研究所（IPD）就目前的進展進行了報告。該消息證實，Rosetta @ home 一直在處理冠狀病毒的臭名昭著的棘突蛋白（spike protein），並透露它已經能夠“準確預測重要的冠狀病毒蛋白的標度結構可以在實驗室中檢測到。IPD還強調了這項研究的一些可能的應用。他們寫道：“掌握了這些知識後，蛋白質設計研究所的研究人員現在正在努力創造新的蛋白質來中和冠狀病毒。如果成功，這些抗病毒蛋白將粘附在SARS-CoV-2穗蛋白上，從而防止病毒顆粒感染健康細胞。” 此外，IPD透露，美國國立衛生研究院和華盛頓大學的研究同事正在使用 Rosetta @ home 的結果來生產候選疫苗-其中一些已經在小鼠身上進行了測試。[42]

Rosetta设计的TOP7模型（红色）与其X射线晶体结构（蓝色，PDB ID: 1QYS）的叠合

RosettaDesign是基于Rosetta的一个蛋白质设计工具。它始于2000年对蛋白质G的折叠路径的一项研究。[46]2002年，RosettaDesign被用来设计TOP7。TOP7是一种93个氨基酸长度的α/β型蛋白质，具有在自然界中尚未被发现的整体折叠结构。这一全新的结构由Rosetta预测，与X射线晶体学确定的结构的之间的RMSD在1.2埃范围内，是一个精度极高的结构预测。[47]Rosetta和RosettaDesign最早设计和精确预测出这一长度的新型蛋白质，受到广泛的认可。他们2003年在《科学》杂志上发表的相关论文已被270多篇论文引用。[48]这项研究的显著成果TOP7被选为蛋白质数据库2005年10月的“月度分子”（Molecule of the Month）。[49]这项预测与其X射线晶体学结构的叠合被包含在Rosetta@home的logo设计中。[16]曾在贝克实验室当博士后、现任北卡罗来纳大学教堂山分校助理教授的布赖恩·库尔曼[50]提供了RosettaDesign的在线服务。[51]

RosettaDock在2002年CAPRI实验时作为贝克实验室的蛋白质-蛋白质对接预测算法被添加到Rosetta软件套装中。[52]在那次实验中，RosettaDock对化脓性链球菌毒素A和T细胞受体β链的对接做出了高精度预测，对一种猪的α淀粉酶与相应骆驼抗体的复合体做出了中等精度预测。尽管RosettaDock方法只在七种可能中给出两种可接受精度的预测，这已经足以让它在那届CAPRI实验中名列19个预测方法中的第7位。[52]

RosettaDock的基础工作主要是由杰弗里·格雷在华盛顿大学期间完成的。后来他搬到约翰·霍普金斯大学接受另一个工作职位。因此，RosettaDock在这之后的开发出现了两个分支。这两个分支在侧链建模、诱捕选择等方面存在细微差异。[32][53]尽管存在这些差异，贝克和格雷的方法均在第二次CAPRI实验中表现出色，在30个小组中分列第5位和第7位。[54]

2006年10月，RosettaDock被整合到Rosetta@home中。这一方法首先仅用蛋白质骨架进行快速、粗略的对接建模，然后进行缓慢的全原子优化。在后一阶段中，两个互相作用的蛋白质之间的相对位置以及蛋白质-蛋白质界面的侧链交互作用同时被优化，从而得到最低能量构造。[55]Rosetta@home网络提供的巨大的运算能力，以及骨架灵活性和连接环建模经修订的折叠树表述，使RosettaDock在第三次CAPRI实验中名列63个预测组中的第6位。[4][21]

Robetta是一个自动化的蛋白质结构预测服务，由贝克实验室提供，用于非商业性质的ab initio和比较建模。[56]它自2002年起参加CASP实验，在当届CASP5的自动化服务器预测类别中名列前茅。[57]此后，Robetta又参加了CASP6和CASP7，成绩比自动化服务器和人工预测组的平均水平都高。[19][58][59]

到CASP6时为止，Robetta构建蛋白质结构模型时采用的方法是，首先用BLAST、PSI-BLAST和3D-Jury搜索结构同源体，然后通过序列与Pfam数据库中的结构族的匹配，将目标序列解析为单独的结构域或者独立的折叠单元。下一步，具有结构同源体的结构域则要遵循一个基于模板的模型（即同源建模）协议。在此处，贝克实验室内部的一个程序K*sync会生成一组序列同源体，其中的每一项由Rosetta的de novo方法建模，产生诱捕（可能的结构）。然后，由低分辨率Rosetta能量函数确定的最低能量模型被选为最终的结构预测方案。对于未检测到结构同源体的结构域，将根据de novo协议，选定生成的诱捕中具有最低能量的模型作为最终的结构预测方案。这些结构域预测方案将被连接在一起，用来研究蛋白质内跨结构域、三级结构级别的交互作用。最后，根据一个蒙特·卡罗构造搜索协议来构建侧链贡献。[60]

在CASP8中，由于Rosetta高分辨率全原子优化方法的引入，Robetta的性能得到提高。[61]而缺少这一方法被认为是Robetta在CASP7中精度低于Rosetta@home的主要原因。[20]

2008年5月9日，贝克实验室接受Rosetta@home用户关于交互式版本的建议，发布了电子游戏Foldit。这是一个基于Rosetta平台的在线蛋白质结构预测游戏。[62]截至2009年1月9日，Foldit的注册用户已经接近7.9万名。[63]这个游戏赋予使用者一系列的控制功能（如“摇动”、“摆动”、“重建”等），来操纵目标蛋白质的骨架和氨基酸侧链，以获得最佳能量构造。用户能够以单独或者集体的形式来进行游戏，通过改进结构预测方案来获得积分。[64]用户还可以通过“决斗”功能来与其他用户进行竞赛，在20个动作内得到最低能量结构的用户获胜。

Foldit 新增了全新關卡，為了阻止冠狀病毒感染人體細胞，正在尋找阻斷兩者的蛋白質結構。雖然對一般玩家來說要徹底理解可能稍嫌複雜，但遊戲的開發是為了「讓任何人都能參與」，Foldit 會提供一系列教學關卡，透過輔助工具解謎並獲得分數，研究人員會參考有潛力的方案並進行實驗。[65]

斯坦福大学开发的Folding@home是与蛋白质研究相关的主要分布式计算项目中唯一不使用BOINC平台的。[66]Rosetta@home与Folding@home都研究蛋白质错误折叠疾病（如阿兹海默病），但Rosetta@home还进行其他研究，而Folding@home则主要集中于这类研究。[67]Folding@home并不采用基于结构或者基于设计的方法来预测淀粉体行为，而是采用分子动力学方法来构建蛋白质折叠活动（以及可能的错误折叠和聚合）的模型。[68]换言之，Folding@home的优势在于模拟蛋白质折叠活动，而Rosetta@home的优势则在于蛋白质运算设计以及蛋白质结构和对接的预测。这两个项目在计算资源和主机分布上也存在显著差异。Rosetta@home的主机群体基于PC，平均执行速度为78万亿FLOPS[2]；而Folding@home的主机群体包括了PlayStation 3和图形处理器，平均执行速度达4769万亿FLOPS，大约是Rosetta@home的61倍[69]。

世界公共网格的子项目人类蛋白质组折叠项目(HPF)1期和2期均使用Rosetta程序来为不同的基因组添加结构和功能注解。[70][71]人类蛋白质组折叠项目的首席科学家里夏尔·博诺在华盛顿大学贝克实验室攻读博士学位期间积极参与了Rosetta的早期开发，但他现在主要使用Rosetta来为生物学家创建数据库。[72]他的个人网站上设置了关于HPF1、HPF2的信息布告板。[73]

与Rosetta@home相似，蛋白质结构预测也是Predictor@home的研究重点。Predictor@home还计划在其分布式计算平台上开发蛋白质设计与对接的新研究领域（采用分子动力学的CHARMM软件包）。[74]这将使它与Rosetta@home更加相似。进行结构预测时，Rosetta@home使用的是Rosetta程序，而Predictor@home则使用dTASSER方法。[75]

BOINC平台上其他的蛋白质相关分布式计算项目包括QMC@Home、Docking@Home、POEM@home、SIMAP和TANPAKU。RALPH@home是Rosetta@home的alpha版本，用来进行新应用程序、工作单元以及更新被添加到Rosetta@home之前的测试工作。RALPH@home也在BOINC平台上运行。[76]