基于深度学习方法预测蛋白质Aβ42的动态结构变化方法及系统

本发明提供一种基于深度学习方法预测蛋白质Aβ42的动态结构变化方法集系统，包括以下步骤：从分子动力学轨迹中提取每一帧的PDB；计算每个PDB的2DIR；按照功能特性区域拆分PDB；计算每个PDB的α‑碳距离矩阵distance map；根据训练好的深度学习模型预测每个区域的α‑碳距离矩阵distance map；构建蛋白质三维结构；片段合并及与三维结构比较：将优化后的三段PDB对齐，并合并成一个完整的PDB蛋白质三维结构；最后，求出预测得到的PDB与真实PDB的RMSD误差。本发明采用了一种分而治之的策略，利用2DIR预测蛋白质结构中三段不同的区域，最后成功构建成三维结构。该方法为探索Aβ42结构和动态变化提供了一种新的方法，开辟了研究阿尔兹海默症新的视角，也为药物设计提供了重要信息。