lamm-mit/keratin-pdb
收藏官方服务：
资源简介：
该数据集整理了人类角蛋白的AlphaFold PDB结构记录，包含源元数据、原始PDB文本、链/残基/原子摘要，以及从B因子列解析出的pLDDT置信度统计信息。
Curated human keratin AlphaFold PDB structure records with source metadata, raw PDB text, chain/residue/atom summaries, and pLDDT confidence statistics parsed from the B-factor column.
提供机构：
lamm-mit搜集汇总
数据集介绍
构建方式
该数据集精心筛选了51种人类角蛋白的氨基酸序列，并利用AlphaFold2/AlphaFold Database进行单体结构预测，获取其三维空间构象。每个PDB记录不仅保留了原始的原子坐标文本，还系统化地解析了标题、化合物（COMPND）、来源（SOURCE）、数据库参考（DBREF）和残基序列（SEQRES）等元数据。通过提取链标识、残基与原子计数、元素分布以及坐标边界，数据集囊括了全面的结构描述符。针对AlphaFold特有的B因子列，数据集进一步解析了每个残基的pLDDT置信度分数，并计算了Cα原子与所有原子的pLDDT统计量及置信度区间分布，从而形成了从序列到结构、再到置信度评估的完整构建流程。
使用方法
用户可直接从HuggingFace仓库（lamm-mit/keratin-pdb）加载包含51条记录的完整数据集。每条记录均提供原始PDB文本及解析后的结构化字段，便于直接用于可视化（如PyMOL或ChimeraX）或作为分子动力学模拟的起始模型。研究者在开展拉伸分子动力学模拟时，可利用数据集中的pLDDT置信度分数筛选高置信度区域，设定模拟的拉拽方向与速度参数。同时，原子计数、残基组成及二次结构描述符可用于计算序列长度、分子量、卷曲含量及溶剂可及表面积等特征，进而与模拟输出的力-位移曲线关联，深入剖析角蛋白的单分子展开力学行为。数据集内嵌的UniProt和AlphaFold数据库链接也便于用户进行交叉验证与溯源。
背景与挑战
背景概述
角蛋白作为构成毛发、皮肤和指甲等上皮组织中间纤维的关键结构蛋白，其力学性能的分子基础一直是生物力学领域的研究热点。为解决传统宏观实验难以揭示单个蛋白质分子尺度展开机制的难题，麻省理工学院Markus J. Buehler团队于2026年构建了keratin-pdb数据集。该数据集系统整合了51个人类角蛋白的AlphaFold预测结构，涵盖25种I型与26种II型角蛋白，序列长度范围为394至644个氨基酸。通过结合序列特征、二级结构描述符与分子动力学模拟，该数据集建立了一个可复现的框架，用以定量比较不同类型角蛋白的展开力学行为，为理解毛发纤维多级结构中的强度与韧性耦合提供了分子层面的关键见解。
当前挑战
该数据集面临的核心挑战在于解决跨尺度力学关联问题：宏观毛发纤维的力学性能源于纳米级角蛋白分子的展开与重排，但实验手段难以直接观测单分子尺度下的变形机理。此外，数据集构建过程中需克服三重困难：其一，AlphaFold预测结构虽能提供可靠的起始构象，但部分角蛋白（如KRT17、KRT26）的序列存在注释不一致问题，需通过严格校验机制进行标注；其二，受控拉伸分子动力学模拟所使用的拉伸速度远超真实实验应变速率，导致模拟结果仅能用于相对比较而非直接定量预测；其三，如何在51个样本中统一解析pLDDT置信度参数并保持原子级坐标数据的完整性，对数据清洗与标准化流程提出了较高要求。
常用场景
经典使用场景
该数据集集中收录了51个人类角蛋白的AlphaFold预测结构，为研究角蛋白家族在分子尺度上的结构特征提供了标准化资源。经典使用场景在于将其作为初始构象，结合平衡分子动力学和受控拉伸分子动力学模拟，系统探究不同类型角蛋白（I型与II型）在单分子层面的去折叠力学行为，包括力-位移曲线、强度、韧性等关键指标的对比分析。
解决学术问题
在学术层面，keratin-pdb数据集填补了系统比较人类毛发角蛋白分子展开机制的空白。传统实验多在宏观尺度测量毛发纤维的力学性能，而分子层面角蛋白的单分子力学特性却鲜有深入刻画。借助此数据集，研究者得以建立序列特征、预测结构与力学属性之间的关联，揭示了角蛋白的二级结构组成、分子量与能量吸收能力的耦合关系，为从分子机制理解毛发纤维的韧性、弹性与抗断裂性能提供了可复现的定量框架。
实际应用
实际应用场景涵盖生物材料设计与化妆品科学等前沿领域。在毛发护理产品开发中，数据集可辅助预测不同角蛋白变体对毛发力学性能的影响，指导护发剂、染发剂等配方的理性优化。在生物材料工程领域，基于角蛋白结构的模拟数据可用于设计仿生高强度纤维或自组装生物薄膜。此外，该数据集还能服务于个性化医疗，例如分析角蛋白相关遗传性疾病（如表皮松解症）中突变对蛋白稳定性的作用。
数据集最近研究
最新研究方向
当前，角蛋白结构数据集如keratin-pdb正引领着分子尺度下头发纤维力学性能的跨尺度关联研究。该数据集整合了51种人类角蛋白的AlphaFold预测结构及受控拉伸分子动力学模拟数据，使得研究者得以系统解析I型和II型角蛋白在单分子水平上的展开力学差异。通过将序列特征、二级结构描述符与模拟所得力-位移曲线、能量吸收等机械性能参数链接，该数据集不仅揭示了角蛋白分子层级上的强度-韧性协同机制，也为理解头发纤维的宏观韧性提供了可量化的微观基础。这一方向顺应了蛋白质材料科学从静态结构向动态力学行为演进的趋势，推动了生物计算与毛发组织工程的前沿交叉研究。
以上内容由遇见数据集搜集并总结生成
