SEMPER在442种成人脑细胞类型中对齐多模态蛋白质表示
Multimodal protein representations across human brain cell types
研究团队提出多模态表示学习模型SEMPER,将蛋白质语言模型表示与成人脑442种细胞类型的蛋白质互作网络对齐。SEMPER可预测细胞类型特异的蛋白质复合物,并在全基因组CRISPR筛选中预测多巴胺能神经元存活所需基因。
预印本 · biorxiv · 10.64898/2026.11.10.765762
本站摘要基于收录版本 v1(2026-11-13),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
中枢神经系统(CNS)包含多种细胞类型,其分子环境决定了所表达蛋白质的功能。计算模型提供了一种可扩展的方式来研究蛋白质在人类脑细胞类型中的作用,其中蛋白质语言模型以及基于相互作用组或单细胞的模型分别捕获了蛋白质序列和细胞网络背景中编码的互补信息。人类脑组织难以获取,因此脑细胞类型在单细胞模型训练所用的图谱以及用于评估这些模型的基准中只占很小一部分。为了在中枢神经系统中捕获这些互补的信息来源,我们提出了 SEMPER,一个多模态表示学习模型,它将蛋白质语言模型的表示与来自 442 种成人人脑细胞类型的蛋白质-蛋白质相互作用网络对齐,从而为每种蛋白质在其基因表达的每种细胞类型中提供一个由序列信息驱动的表示。我们证明,SEMPER 的表示能够预测细胞类型特异性的蛋白质复合物,并能预测对多巴胺能神经元存活至关重要的基因,这些基因是在全基因组 CRISPR 筛选中测量的。在零样本检索中,SEMPER 恢复帕金森病、阿尔茨海默病、多发性硬化、亨廷顿病和肌萎缩侧索硬化症的临床在研药物靶点的比例高于细胞类型特异性模型。为了进一步提高靶点恢复率,我们将 SEMPER 与一个对蛋白质功能注释进行推理的大语言模型相结合。该组合恢复了更多靶点,其中 SEMPER 提供了实验获得的细胞背景,与大语言模型基于文献的推理形成互补。
来源:bioRxiv · biorxiv.org