🤖 machine learning

PRIME: Protein Representation via Physics-Informed Multiscale Equivariant Hierarchies

PRIME 引入了一个统一框架，将蛋白质建模为包含五个基于物理原理的多尺度结构图的嵌套家族，这些图之间进行双向信息交换，并通过有效捕捉层次化结构关系，在蛋白质表示基准测试中实现了最先进的性能。

原作者： Viet Thanh Duy Nguyen, John K. Johnstone, Truong-Son Hy

发布于 2026-05-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Viet Thanh Duy Nguyen, John K. Johnstone, Truong-Son Hy

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，不要将蛋白质仅仅视为一个单一物体，而是将其视为一座由不同材料构成的复杂建筑，并从五个不同的缩放层级进行观察。

缩放层级 1（表面）： 你看到了建筑光滑、弯曲的外壳。
缩放层级 2（原子）： 你放大观察，看到构成该外壳的单个砖块和灰浆。
缩放层级 3（残基）： 你退后一步，看到由那些砖块形成的房间（氨基酸）。
缩放层级 4（二级结构）： 你查看建筑蓝图，看到走廊、楼梯和支撑梁（螺旋和链）。
缩放层级 5（蛋白质）： 你退后一步，将整座建筑作为一个整体来观察。

大多数试图理解蛋白质的计算机程序通常只选择其中一个缩放层级并固守于此。有些仅查看字母序列（蓝图文本），而另一些仅查看原子的三维形状。问题在于，蛋白质是“多尺度”系统；它们的功能源于所有这些层级如何协同工作。

本文介绍了PRIME，这是一个新的 AI 框架，它就像一位超级摄影师，能够瞬间同时切换所有五个缩放层级，更重要的是，它理解这些层级之间是如何连接的。

PRIME 的工作原理：“基于物理的电梯”

PRIME 并非试图猜测这些层级如何连接，而是利用基于物理的规则（如同严格的电梯系统）将它们联系起来：

规则： 它知道“表面”的特定区域属于特定的“原子”，该原子属于特定的“残基”，而该残基属于特定的“梁”。这些连接并非猜测得出，而是由实际的化学和几何定律决定的。
电梯（双向流动）：
- 自下而上（聚合）： PRIME 将微小的细节（如单个原子的形状）通过电梯向上发送至更高层级。这有助于“全局”视角理解细微之处。
- 自上而下（细化）： 它将“全局”上下文（如蛋白质的整体形状）通过电梯向下发送至更小的层级。这有助于微小细节理解整座建筑的背景。

这种双向流动确保了 AI 不仅仅看到一堆砖块；它看到的是一座建筑，其中每一块砖都知道自己在宏大设计中的位置。

PRIME 的成就：“试驾”

作者在标准蛋白质谜题上测试了 PRIME，以验证这种“多缩放”方法是否优于单缩放方法。

折叠分类挑战： 想象一下，即使从未见过某座特定建筑，仅通过观察其屋顶和墙壁来识别它。PRIME 彻底征服了这一测试。它以前所未有的优势击败了之前的最佳 AI（后者仅观察几何结构），尤其是在那些建筑外观非常相似的最难谜题上。这表明 PRIME 擅长捕捉蛋白质形状的“灵魂”，而不仅仅是其表面。
反应分类挑战： 这就像仅通过观察齿轮来预测机器的功能。PRIME 在此成为新的冠军，甚至击败了那些阅读了数百万蛋白质序列的庞大 AI 模型。这证明，观察物理结构（齿轮）有时比仅仅阅读说明书（序列）更为重要。
“智能聚焦”功能： 论文还表明，PRIME 足够智能，能够决定哪个缩放层级对特定任务最为重要。
- 当被要求识别建筑类型（折叠）时，它高度关注建筑梁（二级结构）。
- 当被要求预测机器功能（反应）时，它更多地关注砖块和房间（原子和残基），因为化学反应就发生在那里。

核心结论

PRIME 为计算机“观察”蛋白质提供了一种新方式。它不再强行将蛋白质纳入单一的平面视图，而是尊重分子天然的嵌套层级结构。通过让信息在原子、房间、梁和整座建筑之间上下流动，它建立了对蛋白质运作方式更丰富、更准确的理解。

论文得出结论，这种方法之所以更优越，是因为它将蛋白质视为其实际所是的复杂、多层物理系统，而非扁平的数据点列表。

技术摘要：PRIME（基于物理信息多尺度等变层次结构的蛋白质表示）

问题陈述

蛋白质本质上是多尺度物理系统，其功能特性源于从原子相互作用到全局折叠拓扑的协调结构组织。现有的蛋白质表示学习方法通常仅在单一结构分辨率（如序列、原子或表面层面）下运行，或将不同的结构源视为通过潜在对齐或后期融合集成的并行模态。这些方法未能显式建模结构尺度之间的层次关系（例如，原子如何形成残基，残基如何形成二级结构，二级结构如何形成全局折叠）。因此，它们将不同的空间分辨率视为独立的语义视图，而非共享物理层次内的嵌套层级，从而限制了其捕捉跨分辨率涌现相互作用的能力。

方法论

作者引入了PRIME，这是一个统一框架，将蛋白质建模为由五个基于物理的结构图构成的嵌套家族。该框架通过两个主要阶段运行：层次图构建和多尺度消息传递。

1. 层次图构建

PRIME 定义了一个跨越五个分辨率层级（从精细到粗糙）的层次结构 $\mathcal{G} = \{G^{(0)}, G^{(1)}, G^{(2)}, G^{(3)}, G^{(4)}\}$ ：

层级 0（表面）： 节点为分子表面网格的三角形面。
层级 1（原子）： 节点为重原子。
层级 2（残基）： 节点为氨基酸残基。
层级 3（二级结构）： 节点为二级结构元素（SSE：螺旋、链、环）。
层级 4（蛋白质）： 代表整个蛋白质的单个节点。

连接性与分配：

边：最精细层级（ $G^{(0)}$ ）在面质心上使用 $k$ -近邻（ $k=8$ ）。较粗糙的层级通过分配矩阵 $\Pi^{(\ell)}$ 从最精细层级确定性推导边，其中 $A^{(\ell)} = (\Pi^{(\ell)})^\top A^{(\ell-1)} \Pi^{(\ell)}$ 。这生成了加权邻接矩阵，反映了粗粒度单元之间细粒度连接的数量，编码了空间邻近性，而无需在每个层级显式构建基于坐标的边。
分配映射： 层级间的转换由基于生物化学原理导出的确定性、物理信息分配算子 $\pi^{(\ell)}$ 控制（例如，表面到原子使用欧几里得距离，原子到残基使用共价键，残基到 SSE 使用 DSSP 算法）。
节点特征：
- 表面： 手工设计的几何描述符（面积、质心距离）+ 来自预训练等变网格神经网络（EMNN）的嵌入。
- 原子： 元素类型/主链成员资格 + 来自预训练等变图神经网络（EGNN）的嵌入。
- 残基： 氨基酸身份、主链角度、曲率和扭转角。
- SSE： 类型的独热编码和归一化长度。
- 蛋白质： 来自预训练 ESM-2 模型的全局表示。

2. 多尺度消息传递

PRIME 采用 $N$ 个层次层的堆栈来双向传播信息。每一层执行三个顺序操作：

层内消息传递： 使用具有预层归一化、残差连接和前馈网络的图卷积，独立地细化每个层级的表示。
自下而上聚合： 通过使用 $(\Pi^{(\ell)})^\top$ 将来自层级 $\ell-1$ 的表示聚合到层级 $\ell$ ，随后进行门控融合，从而将细粒度细节向上传播。
自上而下上下文细化： 使用 $\Pi^{(\ell)}$ 将粗粒度上下文从层级 $\ell$ 向下广播到层级 $\ell-1$ ，随后进行对称门控融合。

门控融合机制通过可学习的门 $g = \sigma(W_g [z \| c])$ 选择性地将上下文 $c$ 纳入当前表示 $z$ 中。最终表示从指定层级 $\ell^*$ （通常是残基层级）读出，用于下游任务。该框架设计为端到端 SE(3) 不变，因为所有输入特征和操作均为无坐标的，或利用来自等变编码器的不变标量嵌入。

主要贡献

统一框架： PRIME 提出了一个单一框架，将蛋白质建模为由五个基于物理的图构成的嵌套家族，通过确定性分配算子连接，从而实现对层次化物理组织的显式建模。
双向信息交换： 该方法通过自下而上聚合（细到粗）和自上而下细化（粗到细）促进信息流动，使每个层级既能编码其自身模态特定的信息，又能编码来自所有其他尺度的上下文信号。
物理信息归纳偏置： 与数据驱动的图粗化不同，PRIME 利用已知的生物化学和几何约束来定义层次结构，为多尺度表示学习提供了原则性基础。
自适应读出： 该框架支持自适应交叉注意力读出，使模型能够在预测时自主识别并加权最与任务相关的结构分辨率。

实验结果

PRIME 在 ProteinWorkshop 的四个基准测试上进行了评估：折叠分类、反应类别预测、基因本体（GO）预测和蛋白质 - 蛋白质相互作用（PPI）位点预测。

折叠分类： PRIME 在所有划分中均取得了最先进的准确率。值得注意的是，在具有挑战性的超家族（Superfamily）和折叠（Fold）划分上，它分别以 13.80 和 18.30 分的优势超越了最强的几何 GNN 基线（EGNN）。
反应类别预测： PRIME 达到了 84.10% 的准确率，超过了包括 ESM（83.10%）在内的所有基线，表明与仅基于序列的模型相比，显式的结构层次为酶功能预测提供了更优越的信号。
基因本体： 该模型在分子功能（MF）和细胞组分（CC）本体上取得了最佳性能，这些本体与结构基序和全局折叠密切相关。在生物过程（BP）上的表现较低，这可能是因为该注释依赖于进化背景而非内在结构。
PPI 位点预测： PRIME 取得了具有竞争力的 ROC-AUC 分数，证明了其在节点级任务中的适用性，尽管未登顶排名，表明针对精确界面预测可能存在专门的架构选择空间。

消融研究：

移除任何单一结构层级均一致导致性能下降，证实了每个层级都贡献了互补且非冗余的信息。
移除二级结构（SSE）层级导致了最显著的下降（例如，折叠划分准确率从 59.78% 降至 16.61%），突显了 SSE 拓扑在折叠区分中的核心地位。
自适应交叉注意力分析显示，模型在折叠分类任务中自主地为 SSE 层级分配更高的注意力权重，并根据任务调整权重（例如，在反应类别任务中对原子/残基层级赋予更高权重），验证了统一多尺度设计的必要性。

意义

本文声称，PRIME 通过显式考虑蛋白质结构的层次组织，为蛋白质表示学习提供了原则性基础。通过超越扁平或并行多模态表示，PRIME 捕捉了跨结构分辨率涌现的相互作用。结果表明，将蛋白质建模为基于物理的图的嵌套层次结构，能够产生可泛化的表示，其性能优于现有的单模态和多模态方法，特别是在需要区分结构相似折叠或预测由活性位点几何结构控制的酶功能的任务中。该框架自主识别任务相关分辨率的能力，进一步强调了保持完整多尺度层次结构而非局限于单一固定分辨率的价值。