Comparative Analysis of Protein Structure Prediction Tools

Bc. Anna Hýsková

Bachelor's thesis

Abstract:

Od počátku tohoto desetiletí prošla strukturní biologie a predikce proteinových struktur zásadním vývojem, což zpřístupnilo rychlou predikci proteinových struktur široké veřejnosti. Zatím ale nemůžeme s jistotou říct, do jaké míry získané predikce skutečně odpovídají reálné struktuře proteinů. Tato bakalářská práce porovnává tři predikční nástroje - AlphaFold2, ESMFold a OmegaFold - s využitím datasetu proteinových struktur vložených do databáze PDB v průběhu posledních dvou let. Z výsledků vyplývá, že výkon všech tří nástrojů je obecně uspokojivý. Nejméně nesprávných predikcí vygeneroval AlphaFold2, po něm následoval ESMFold a nakonec OmegaFold. Analýza také odhalila, že kvalitu predikcí ovlivňují i některé vlastnosti predikovaných proteinů, například délka sekvence nebo příslušnost k různým proteinovým rodinám. Tyto poznatky přináší nový pohled na silné a slabé stránky nástrojů AlphaFold2, ESMFold a OmegaFold a poskytují tak základ pro budoucí výzkum.

Abstract:

Since the beginning of this decade, the fields of structural biology and protein structure prediction have made extraordinary progress, making rapid folding of protein sequences accessible to everyone. Unfortunately, the extent to which the predictions reflect the actual structure of proteins is not yet fully known. This thesis uses a custom dataset of recently resolved protein structures from the PDB database to evaluate the performance of three protein structure prediction tools: AlphaFold2, ESMFold, and OmegaFold. The results demonstrate that the performance of all three tools is generally satisfactory, with AlphaFold2 producing the lowest number of incorrect predictions, ESMFold ranking second, and OmegaFold coming last. The analysis also revealed that the quality of predictions is influenced by the characteristics of predicted proteins, such as the sequence length or affiliation to a protein family. These findings offer valuable insights into the strengths and weaknesses of AlphaFold2, ESMFold, and OmegaFold and establish a foundation for future research.

Keywords

protein structure prediction, predikce struktury proteinů, AlphaFold, ESMFold, OmegaFold

Language used: English

Date on which the thesis was submitted / produced: 19. 12. 2024

Thesis defence

• Date of defence: 6. 2. 2025
• Supervisor: Mgr. Petr Šimeček, MSc.
• Reader: Faraneh Haddadi

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Informatics