🤖 machine learning

PRIME: Protein Representation via Physics-Informed Multiscale Equivariant Hierarchies

PRIME führt ein einheitliches Framework ein, das Proteine als eine verschachtelte Familie von fünf physikalisch fundierten, multiskaligen Strukturgraphen mit bidirektionalem Informationsaustausch modelliert und durch die effektive Erfassung hierarchischer Strukturbeziehungen State-of-the-Art-Leistung auf Benchmarks für Proteinrepräsentationen erzielt.

Ursprüngliche Autoren: Viet Thanh Duy Nguyen, John K. Johnstone, Truong-Son Hy

Veröffentlicht 2026-05-05

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Viet Thanh Duy Nguyen, John K. Johnstone, Truong-Son Hy

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich ein Protein nicht nur als einzelnes Objekt vor, sondern als ein komplexes Gebäude, das aus verschiedenen Materialien besteht und aus fünf verschiedenen Zoomstufen betrachtet wird.

Zoomstufe 1 (Oberfläche): Sie sehen die glatte, gekrümmte Außenhülle des Gebäudes.
Zoomstufe 2 (Atome): Sie zoomen hinein, um die einzelnen Ziegelsteine und den Mörtel zu sehen, aus denen diese Hülle besteht.
Zoomstufe 3 (Reste): Sie treten zurück, um die Räume (Aminosäuren) zu sehen, die von diesen Ziegelsteinen gebildet werden.
Zoomstufe 4 (Sekundärstruktur): Sie betrachten die architektonischen Baupläne und sehen die Flure, Treppen und tragenden Balken (Helices und Stränge).
Zoomstufe 5 (Protein): Sie treten zurück, um das gesamte Gebäude als Ganzes zu sehen.

Die meisten Computerprogramme, die versuchen, Proteine zu verstehen, wählen in der Regel eine dieser Zoomstufen aus und bleiben dabei. Manche betrachten nur die Folge von Buchstaben (den Bauplan-Text), während andere nur die 3D-Form der Atome betrachten. Das Problem ist, dass Proteine „multiskalare" Systeme sind; ihre Funktion ergibt sich daraus, wie all diese Ebenen zusammenwirken.

Die Arbeit stellt PRIME vor, ein neues KI-Framework, das wie ein Super-Fotograf funktioniert, der sofort zwischen allen fünf Zoomstufen wechseln kann und, was noch wichtiger ist, versteht, wie sie miteinander verbunden sind.

Wie PRIME funktioniert: Der „physikbasierte Aufzug"

Anstatt zu versuchen, zu erraten, wie diese Ebenen verbunden sind, verwendet PRIME physikinformierte Regeln (wie ein strenges Aufzugsystem), um sie zu verknüpfen:

Die Regeln: Es weiß, dass ein bestimmter Fleck der „Oberfläche" zu einem bestimmten „Atom" gehört, das zu einem bestimmten „Rest" gehört, der zu einem bestimmten „Balken" gehört. Diese Verbindungen werden nicht erraten; sie werden durch die tatsächlichen Gesetze der Chemie und Geometrie bestimmt.
Der Aufzug (Bidirektionaler Fluss):
- Von unten nach oben (Aggregation): PRIME nimmt winzige Details (wie die Form eines einzelnen Atoms) und sendet sie nach oben im Aufzug zu den höheren Ebenen. Dies hilft der „Großbild"-Ansicht, die feinen Details zu verstehen.
- Von oben nach unten (Verfeinerung): Es nimmt den „Großbild"-Kontext (wie die Gesamtform des Proteins) und sendet ihn nach unten im Aufzug zu den kleineren Ebenen. Dies hilft den winzigen Details, den Kontext des gesamten Gebäudes zu verstehen.

Dieser Zwei-Wege-Verkehr stellt sicher, dass die KI nicht nur einen Haufen Ziegelsteine sieht; sie sieht ein Gebäude, in dem jeder Ziegelstein seinen Platz im großen Entwurf kennt.

Was PRIME erreicht hat: Die „Probefahrt"

Die Autoren testeten PRIME an Standard-Protein-Rätseln, um zu sehen, ob dieser „Multi-Zoom"-Ansatz besser funktioniert als Methoden mit nur einer Zoomstufe.

Die Herausforderung der Faltklassifizierung: Stellen Sie sich vor, Sie versuchen, ein Gebäude nur anhand seines Daches und seiner Wände zu identifizieren, auch wenn Sie dieses spezifische Gebäude noch nie gesehen haben. PRIME meisterte diesen Test mit Bravour. Es schlug die bisher beste KI (die nur die Geometrie betrachtete) mit einem großen Vorsprung, insbesondere bei den schwierigsten Rätseln, bei denen die Gebäude sich sehr ähnlich sahen. Dies deutet darauf hin, dass PRIME hervorragend darin ist, die „Seele" der Form eines Proteins zu erkennen, nicht nur seine Oberfläche.
Die Herausforderung der Reaktionsklassen: Dies ist vergleichbar damit, vorherzusagen, was eine Maschine tut, indem man nur ihre Zahnräder betrachtet. PRIME wurde hier zum neuen Champion und schlug sogar massive KI-Modelle, die Millionen von Proteinsequenzen gelesen haben. Dies beweist, dass das Betrachten der physikalischen Struktur (der Zahnräder) manchmal wichtiger ist als das bloße Lesen des Handbuchs (der Sequenz).
Die Funktion „Intelligenter Fokus": Die Arbeit zeigte auch, dass PRIME intelligent genug ist, zu entscheiden, welche Zoomstufe für eine bestimmte Aufgabe am wichtigsten ist.
- Wenn es darum ging, den Gebäudetyp (Faltung) zu identifizieren, konzentrierte es sich stark auf die architektonischen Balken (Sekundärstruktur).
- Wenn es darum ging, die Funktion der Maschine (Reaktion) vorherzusagen, legte es mehr Wert auf die Ziegelsteine und Räume (Atome und Reste), denn dort findet die Chemie statt.

Das Fazit

PRIME ist eine neue Art für Computer, Proteine zu „sehen". Anstatt das Protein in eine einzige flache Ansicht zu zwingen, respektiert es die natürliche, verschachtelte Hierarchie des Moleküls. Indem es den Informationsfluss zwischen den Atomen, den Räumen, den Balken und dem gesamten Gebäude auf- und abwärts ermöglicht, schafft es ein viel reichhaltigeres und genaueres Verständnis davon, wie Proteine funktionieren.

Die Arbeit kommt zu dem Schluss, dass dieser Ansatz überlegen ist, weil er das Protein als das komplexe, mehrschichtige physikalische System behandelt, das es tatsächlich ist, und nicht als eine flache Liste von Datenpunkten.

Technische Zusammenfassung: PRIME (Proteinrepräsentation durch physikinformierte multiskalige äquivariante Hierarchien)

Problemstellung

Proteine sind inhärent multiskalige physikalische Systeme, bei denen funktionelle Eigenschaften aus einer koordinierten strukturellen Organisation hervorgehen, die von atomaren Wechselwirkungen bis zur globalen Faltungstopologie reicht. Bestehende Methoden zum Erlernen von Proteinrepräsentationen arbeiten typischerweise auf einer einzigen strukturellen Auflösung (z. B. Sequenz-, Atom- oder Oberflächenebene) oder behandeln verschiedene strukturelle Quellen als parallele Modalitäten, die über latente Ausrichtung oder Fusion in späteren Stadien integriert werden. Diese Ansätze versäumen es, die hierarchischen Beziehungen zwischen strukturellen Skalen explizit zu modellieren (z. B. wie Atome Residuen bilden, die Sekundärstrukturen bilden, welche wiederum die globale Faltung bilden). Folglich behandeln sie unterschiedliche räumliche Auflösungen als unabhängige semantische Ansichten anstatt als verschachtelte Ebenen innerhalb einer gemeinsamen physikalischen Hierarchie, was ihre Fähigkeit einschränkt, Interaktionen zu erfassen, die über Auflösungen hinweg entstehen.

Methodik

Die Autoren stellen PRIME vor, ein einheitliches Framework, das Proteine als eine verschachtelte Familie von fünf physikalisch fundierten Strukturgraphen modelliert. Das Framework arbeitet in zwei Hauptphasen: hierarchischer Graphkonstruktion und multiskaliger Nachrichtenweiterleitung.

1. Hierarchische Graphkonstruktion

PRIME definiert eine Hierarchie $\mathcal{G} = \{G^{(0)}, G^{(1)}, G^{(2)}, G^{(3)}, G^{(4)}\}$ , die fünf Ebenen von feiner zu grober Auflösung abdeckt:

Ebene 0 (Oberfläche): Knoten sind dreieckige Flächen des Netzwerks der Moleküloberfläche.
Ebene 1 (Atom): Knoten sind schwere Atome.
Ebene 2 (Residuum): Knoten sind Aminosäureresiduen.
Ebene 3 (Sekundärstruktur): Knoten sind Elemente der Sekundärstruktur (SSE: Helices, Stränge, Schleifen).
Ebene 4 (Protein): Ein einzelner Knoten, der das gesamte Protein repräsentiert.

Konnektivität und Zuordnung:

Kanten: Die feinste Ebene ( $G^{(0)}$ ) verwendet $k$ -nächste Nachbarn ( $k=8$ ) auf Flächenschwerpunkten. Gröbere Ebenen leiten Kanten deterministisch von der feinsten Ebene über Zuordnungsmatrizen $\Pi^{(\ell)}$ ab, wobei $A^{(\ell)} = (\Pi^{(\ell)})^\top A^{(\ell-1)} \Pi^{(\ell)}$ gilt. Dies führt zu gewichteten Adjazenzmatrizen, die die Anzahl der Feinskalenverbindungen zwischen groben Einheiten widerspiegeln und die räumliche Nähe kodieren, ohne explizite kantenbasierte Konstruktion auf jeder Ebene.
Zuordnungskarten: Übergänge zwischen Ebenen werden durch deterministische, physikinformierte Zuordnungsoperatoren $\pi^{(\ell)}$ gesteuert, die aus biochemischen Prinzipien abgeleitet sind (z. B. euklidischer Abstand für Oberfläche-zu-Atom, kovalente Bindung für Atom-zu-Residuum, DSSP-Algorithmus für Residuum-zu-SSE).
Knoteneigenschaften:
- Oberfläche: Handgefertigte geometrische Deskriptoren (Fläche, Schwerpunktabstand) + Einbettungen aus einem vortrainierten äquivarianten Mesh-Neural Network (EMNN).
- Atom: Elementtyp/Rückgratmitgliedschaft + Einbettungen aus einem vortrainierten äquivarianten Graph-Neural Network (EGNN).
- Residuum: Aminosäureidentität, Rückgratwinkel, Krümmung und Torsionswinkel.
- SSE: One-Hot-Kodierung des Typs und normalisierte Länge.
- Protein: Globale Repräsentation aus einem vortrainierten ESM-2-Modell.

2. Multiskalige Nachrichtenweiterleitung

PRIME verwendet einen Stapel von $N$ hierarchischen Schichten, um Informationen bidirektional zu propagieren. Jede Schicht führt drei sequenzielle Operationen durch:

Intra-Level-Nachrichtenweiterleitung: Verfeinert Repräsentationen auf jeder Ebene unabhängig unter Verwendung von Graph-Convolutionen mit Vor-Schicht-Normalisierung, Residualverbindungen und Feedforward-Netzwerken.
Bottom-Up-Aggregation: Propagiert feinkörnige Details nach oben, indem Repräsentationen von Ebene $\ell-1$ zu $\ell$ unter Verwendung von $(\Pi^{(\ell)})^\top$ aggregiert werden, gefolgt von einer gated Fusion.
Top-Down-Kontextuelle Verfeinerung: Sendet grobe Kontextinformationen von Ebene $\ell$ nach unten zu $\ell-1$ unter Verwendung von $\Pi^{(\ell)}$ , gefolgt von einer symmetrischen gated Fusion.

Der gated-Fusionsmechanismus integriert Kontext $c$ selektiv in die aktuelle Repräsentation $z$ über ein lernbares Gate $g = \sigma(W_g [z \| c])$ . Die finale Repräsentation wird für nachgelagerte Aufgaben von einer ausgewählten Ebene $\ell^*$ (typischerweise die Residuum-Ebene) ausgelesen. Das Framework ist so konzipiert, dass es end-to-end SE(3)-invariant ist, da alle Eingabemerkmale und Operationen koordinatenfrei sind oder invariante skalare Einbettungen aus äquivarianten Encodern nutzen.

Hauptbeiträge

Einheitliches Framework: PRIME schlägt ein einzelnes Framework vor, das Proteine als eine verschachtelte Familie von fünf physikalisch fundierten Graphen modelliert, die durch deterministische Zuordnungsoperatoren verbunden sind, was eine explizite Modellierung der hierarchischen physikalischen Organisation ermöglicht.
Bidirektionaler Informationsaustausch: Die Methode ermöglicht Informationsfluss durch Bottom-Up-Aggregation (fein-zu-grob) und Top-Down-Verfeinerung (grob-zu-fein), sodass jede Ebene sowohl ihre modalitätsspezifischen Informationen als auch kontextuelle Signale aus allen anderen Skalen kodieren kann.
Physikinformierte induktive Verzerrung: Im Gegensatz zu datengetriebener Graphvergröberung nutzt PRIME bekannte biochemische und geometrische Einschränkungen, um die Hierarchie zu definieren, und bietet so eine prinzipielle Grundlage für multiskaliges Repräsentationslernen.
Adaptives Auslesen: Das Framework unterstützt adaptive Cross-Attention-Auslesungen, die es dem Modell ermöglichen, die für die Aufgabe relevantesten strukturellen Auflösungen zur Vorhersage autonom zu identifizieren und zu gewichten.

Experimentelle Ergebnisse

PRIME wurde an vier Benchmarks aus ProteinWorkshop evaluiert: Faltungsklassifizierung, Reaktionsklassenvorhersage, Gen-Ontologie (GO)-Vorhersage und Vorhersage von Protein-Protein-Interaktionsstellen (PPI).

Faltungsklassifizierung: PRIME erzielte über alle Aufteilungen hinweg State-of-the-Art-Genauigkeiten. Bemerkenswert ist, dass es auf den herausfordernden Superfamily- und Fold-Aufteilungen die stärkste geometrische GNN-Baseline (EGNN) mit Margen von 13,80 bzw. 18,30 Punkten übertraf.
Reaktionsklassenvorhersage: PRIME erreichte eine Genauigkeit von 84,10 % und übertraf alle Baselines, einschließlich ESM (83,10 %), was darauf hindeutet, dass eine explizite strukturelle Hierarchie im Vergleich zu rein sequenzbasierten Modellen ein überlegenes Signal für die Vorhersage der Enzymfunktion liefert.
Gen-Ontologie: Das Modell erzielte die beste Leistung bei den Ontologien für molekulare Funktion (MF) und zelluläre Komponente (CC), die eng mit strukturellen Motiven und globalen Faltungen verknüpft sind. Die Leistung bei biologischen Prozessen (BP) war niedriger, wahrscheinlich aufgrund der Abhängigkeit der Annotation vom evolutionären Kontext anstatt von der intrinsischen Struktur.
PPI-Stellenvorhersage: PRIME erzielte wettbewerbsfähige ROC-AUC-Werte und demonstrierte die Anwendbarkeit auf Knoten-Ebenen-Aufgaben, obwohl es nicht die Spitzenpositionen belegte, was auf Potenzial für spezialisierte architektonische Entscheidungen für die präzise Vorhersage von Schnittstellen hindeutet.

Ablationsstudien:

Das Entfernen eines einzelnen strukturellen Levels verschlechterte die Leistung konsistent, was bestätigt, dass jedes Level komplementäre, nicht redundante Informationen beiträgt.
Das Entfernen des Sekundärstruktur-Levels (SSE) verursachte den signifikantesten Rückgang (z. B. sank die Genauigkeit auf der Fold-Aufteilung von 59,78 % auf 16,61 %), was die Zentralität der SSE-Topologie bei der Faltungsunterscheidung unterstreicht.
Die Analyse der adaptiven Cross-Attention ergab, dass das Modell für die Faltungsklassifizierung autonom höhere Aufmerksamkeitsgewichte auf SSE-Levels verteilt und die Gewichte je nach Aufgabe anpasst (z. B. höhere Gewichte auf atomaren/Residuum-Levels für Reaktionsklassen), was die Notwendigkeit eines einheitlichen multiskaligen Designs validiert.

Bedeutung

Die Arbeit behauptet, dass PRIME eine prinzipielle Grundlage für das Erlernen von Proteinrepräsentationen bietet, indem es die hierarchische Organisation der Proteinstruktur explizit berücksichtigt. Indem PRIME über flache oder parallele multimodale Repräsentationen hinausgeht, erfasst es Interaktionen, die über strukturelle Auflösungen hinweg entstehen. Die Ergebnisse zeigen, dass die Modellierung von Proteinen als verschachtelte Hierarchie physikalisch fundierter Graphen generalisierbare Repräsentationen liefert, die bestehende unimodale und multimodale Ansätze übertreffen, insbesondere bei Aufgaben, die die Unterscheidung strukturell ähnlicher Faltungen oder die Vorhersage von Enzymfunktionen erfordern, die von der Geometrie des aktiven Zentrums gesteuert werden. Die Fähigkeit des Frameworks, aufgabenrelevante Auflösungen autonom zu identifizieren, unterstreicht weiter den Wert der Aufrechterhaltung einer vollständigen multiskaligen Hierarchie anstatt sich auf eine einzige feste Auflösung zu verpflichten.