ESM3-PPISites 利用多模态表示学习蛋白质相互作用界面
Learning Protein-Protein Interaction Interfaces from Multimodal Representations
研究提出 ESM3-PPISites,利用多模态蛋白质语言模型 ESM3 结合进化上下文与3D几何进行残基级蛋白质相互作用界面分类,推理时无需复杂结构输入,并在多套训练集和基准集上超过现有方法。
预印本 · biorxiv · 10.64898/2026.05.29.728739
本站摘要基于收录版本 v3(2026-10-26),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v3
背景:蛋白质-蛋白质相互作用 govern 细胞的关键过程,因此界面残基的识别对蛋白质工程和分子设计至关重要。尽管 AlphaFold3 等复杂的深度学习算法能够生成全原子分辨率的复合物组装体,但它们并非为残基级别的界面识别而优化。现有方法存在固有局限:基于序列的模型缺乏显式的三维上下文,而基于结构的方法可能忽略进化信号。结果:通过将进化上下文与三维几何相结合,多模态蛋白质语言模型 ESM3 为残基级别的界面分类提供了理想基础。由此产生了 ESM3-PPISites 模型,它在多种训练集和基准测试集上优于现有的最先进方法。泛化能力通过严格的基于序列和结构的冗余过滤进行评估,以确保在先前未见过的蛋白质上进行测试。值得注意的是,对开放权重 ESM3 架构进行微调可显著缩小其与专有全规模版本之间的性能差距。此外,将预测的相互作用位点作为空间约束整合到 HADDOCK 中,可显著提高近天然结合姿态的恢复率,同时将计算搜索时间比盲目对接降低一个数量级。结论:ESM3-PPISites 无需在推理时依赖复杂的结构输入即可实现准确的界面识别,为绘制蛋白质-蛋白质相互作用位点建立了一种可靠且计算高效的策略。
来源:bioRxiv · biorxiv.org