Canatalay, Peren JerfiNamazova, MadinaAtalay, Vildan2026-01-242026-01-2420252667-7814https://doi.org/10.46740/alku.1522590https://hdl.handle.net/20.500.12868/3343AlphaFold is transforming the field of structural biology by predicting three-dimensional (3D) structures from protein sequences. This remarkable achievement has even led to claims that the protein folding problem has been 'solved.' However, the protein folding problem encompasses more than just structure prediction from sequences. Currently, it is unknown whether the AlphaFold revolution will help solve other issues related to protein folding. In this study, we evaluate AlphaFold's ability to predict the impact of single mutations on protein stability (??G) and function. To explore this question, we subtract the pLDDT and metrics from AlphaFold predictions before and after a single mutation in a protein, correlating the predicted changes with experimentally known ??G values. Additionally, we correlate the same AlphaFold pLDDT metrics with fluorescence levels experimentally tested using a large-scale GFP mutant data set, which indicates the effect of single mutations on the structure. We find very weak or no correlation between AlphaFold output metrics and protein stability or fluorescence change. Our results suggest that AlphaFold may not be immediately applicable to other protein folding problems or applications.AlphaFold, protein dizisinden üç boyutlu (3D) yapı tahmini yaparak yapısal biyoloji alanını değiştirmektedir. Bu olağanüstü başarı, protein katlanma probleminin "çözüldüğü" iddialarına bile yol açmıştır. Ancak protein katlanma problemi, diziden yapı tahmininden daha fazlasını içermektedir. Şu anda, AlphaFold devriminin protein katlanma ile ilgili diğer sorunları çözmeye yardımcı olup olmayacağı bilinmemektedir. Bu çalışmada, AlphaFold'un tekli mutasyonların protein stabilitesi (??G) ve fonksiyonuna etkisini tahmin etme yeteneğini değerlendiriyoruz. Bu soruyu incelemek için, AlphaFold tahminlerinden pLDDT ve metriklerini bir proteinde tekli mutasyondan önce ve sonra çıkarıyoruz ve tahmin edilen değişikliği deneysel olarak bilinen ??G değerleriyle ilişkilendiriyoruz. Ayrıca, aynı AlphaFold pLDDT metriklerini yapı üzerindeki tekli mutasyonun etkisi ile büyük ölçekli bir GFP mutant veri setini kullanarak deneysel olarak test edilen floresans seviyeleri ile ilişkilendiriyoruz. AlphaFold çıktı metrikleri ile protein stabilitesi veya floresan değişimi arasında çok zayıf veya hiçbir korelasyon bulamıyoruz. Sonuçlarımız, AlphaFold'un diğer protein katlanma problemleri veya uygulamalarına hemen uygulanamayabileceğini göstermektedir.trinfo:eu-repo/semantics/openAccessContext LearningBağlam ÖğrenimiMachine VisionYapay GörmeMolecular EvolutionMoleküler EvrimProtein EngineeringProtein MühendisliğiArticle10.46740/alku.1522590728093