The high accuracy of some CASP14 models at the domain level prompted a more detailed evaluation of structure predictions on whole targets. For the first time in critical assessment of structure prediction (CASP), we evaluated accuracy of difficult domain assembly in models submitted for multidomain targets where the community predicted individual evaluation units (EUs) with greater accuracy than full-length targets. Ten proteins with domain interactions that did not show evidence of conformational change and were not involved in significant oligomeric contacts were chosen as targets for the domain interaction assessment. Groups were ranked using complementary interaction scores (F1, QS score, and Jaccard coefficient), and their predictions were evaluated for their ability to correctly model inter-domain interfaces and overall protein folds. Target performance was broadly grouped into two clusters. The first consisted primarily of targets containing two EUs wherein predictors more broadly predicted domain positioning and interfacial contacts correctly. The other consisted of complex two-EU and three-EU targets where few predictors performed well. The highest ranked predictor, AlphaFold2, produced high-accuracy models on eight out of 10 targets. Their interdomain scores on three of these targets were significantly higher than all other groups and were responsible for their overall outperformance in the category. We further highlight the performance of AlphaFold2 and the next best group, BAKER-experimental on several interesting targets.

中文翻译：

---

第十四轮结构预测关键评估中域相互作用的评估

一些 CASP14 模型在域级别的高精度促使对整个目标的结构预测进行更详细的评估。在结构预测 (CASP) 的批判性评估中，我们首次评估了为多域目标提交的模型中困难域组装的准确性，其中社区预测单个评估单元 (EU) 的准确性高于全长目标。选择没有显示构象变化证据且不参与显着寡聚接触的十种具有结构域相互作用的蛋白质作为结构域相互作用评估的目标。使用互补相互作用分数（F1、QS 分数和 Jaccard 系数）对组进行排名，并评估他们的预测是否能够正确模拟域间界面和整体蛋白质折叠。目标绩效大致分为两个集群。第一个主要由包含两个 EU 的目标组成，其中预测器更广泛地正确预测域定位和界面接触。另一个包括复杂的两个欧盟和三个欧盟目标，其中很少有预测指标表现良好。排名最高的预测器 AlphaFold2 在 10 个目标中的 8 个上生成了高精度模型。他们在其中三个目标上的域间得分明显高于所有其他组，这也是他们在该类别中整体表现出色的原因。我们进一步强调了 AlphaFold2 和下一个最佳组 BAKER-experimental 在几个有趣目标上的表现。第一个主要由包含两个 EU 的目标组成，其中预测器更广泛地正确预测域定位和界面接触。另一个包括复杂的两个欧盟和三个欧盟目标，其中很少有预测指标表现良好。排名最高的预测器 AlphaFold2 在 10 个目标中的 8 个上生成了高精度模型。他们在其中三个目标上的域间得分明显高于所有其他组，这也是他们在该类别中整体表现出色的原因。我们进一步强调了 AlphaFold2 和下一个最佳组 BAKER-experimental 在几个有趣目标上的表现。第一个主要由包含两个 EU 的目标组成，其中预测器更广泛地正确预测域定位和界面接触。另一个包括复杂的两个欧盟和三个欧盟目标，其中很少有预测指标表现良好。排名最高的预测器 AlphaFold2 在 10 个目标中的 8 个上生成了高精度模型。他们在其中三个目标上的域间得分明显高于所有其他组，这也是他们在该类别中整体表现出色的原因。我们进一步强调了 AlphaFold2 和下一个最佳组 BAKER-experimental 在几个有趣目标上的表现。在 10 个目标中的 8 个上生成了高精度模型。他们在其中三个目标上的域间得分明显高于所有其他组，这也是他们在该类别中整体表现出色的原因。我们进一步强调了 AlphaFold2 和下一个最佳组 BAKER-experimental 在几个有趣目标上的表现。在 10 个目标中的 8 个上生成了高精度模型。他们在其中三个目标上的域间得分明显高于所有其他组，这也是他们在该类别中整体表现出色的原因。我们进一步强调了 AlphaFold2 和下一个最佳组 BAKER-experimental 在几个有趣目标上的表现。