ESM-2 参数高效适配用于严格同源约束下的双靶点抗菌肽发现
Parameter-Efficient Adaptation of Protein Language Models for Dual-Target Antimicrobial Peptide Discovery Under Strict Homology Constraints
团队将LoRA接入ESM-2(150M),仅微调0.70%权重,在QMAP严格同源约束下构建抗菌效力与溶血毒性双任务框架。60%序列一致性阈值下,E. coli效力秩相关ρ=0.6132、溶血毒性相关ρ=0.5374;联合网络从749条de-novo肽中筛出TI最高144.03的候选。
预印本 · biorxiv · 10.64898/2026.10.31.763384
本站摘要基于收录版本 v1(2026-11-03),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
全球范围内抗菌素耐药性(AMR)的升级对现代公共卫生构成了严峻挑战,亟需新型治疗药物类别。抗菌肽(AMPs)凭借其协同进化韧性与快速的膜破坏动力学,是小分子抗生素极具前景的替代品。然而,将计算筛选得到的 AMP 候选物转化为临床药物仍受限于脱靶细胞毒性,主要是对哺乳动物红细胞的溶血活性。尽管预训练的基础蛋白质语言模型(PLMs)已迅速推动了分子性质预测的发展,但当前架构常将抗菌效力与细胞毒性割裂为互不关联的单任务流程,或在严格的同源性控制评估下出现灾难性的性能下降。近期,抗菌肽定量映射(QMAP)基准提出,冻结的 PLM 嵌入特征对于溶血活性(HC50)仅表现出微弱的线性可及特征,导致在分布外序列划分上的秩相关性较差({rho} < 0.25)。在本工作中,我们引入了一个端到端的多任务参数高效迁移学习框架,旨在同时优化抗菌效力并最小化哺乳动物细胞毒性,且不存在序列泄漏。该架构基于 ESM-2(150M)构建,将低秩适应(LoRA)融入自注意力投影中,仅微调约 0.70% 的模型权重。为消除源自不同膜裂解机制的梯度干扰,我们采用了一种由 Kendall 同方差不确定性加权引导的自适应多任务损失。在强制执行 60% 最大序列同一性阈值的预定义 QMAP 基准划分上进行评估,我们的联合架构显著优于传统的线性探针、基于树的回归器以及冻结的基础模型。该框架实现了大肠杆菌效力的秩相关性 {rho} = 0.6132(r = 0.6816),并成功将溶血毒性相关性提升至 {rho} = 0.5374(r = 0.5541)。为验证其实际应用价值,我们将优化后的联合网络用于筛选一个包含 749 条从头设计肽的精选计算机模拟(in silico)库,成功分离出具有治疗指数(TI = HC50/MIC)高达 144.03 的选择性两亲性阳离子候选物,同时有效降低了广泛裂解基序(TI < 2.0)的优先级。这些发现表明,参数高效适应能够解锁基础 PLMs 中细粒度的生物活性结构语义,为治疗性肽工程提供了一个准确且可扩展的框架。
来源:bioRxiv · biorxiv.org