Zero-Shot Protein-Ligand Binding Site Prediction from Protein Sequence and SMILES
本文引入了一个系统的三阶段基准测试框架，该框架利用蛋白质和化学语言模型，通过序列和 SMILES 来预测蛋白质-配体结合位点，并证明了虽然配体调节（ligand conditioning）能提高在已知配体上的性能，但使用预训练化学嵌入（chemical embeddings）的零样本方法能够实现对未见过的配体的有效预测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在每一个活细胞内部，蛋白质充当着维持生命运转的分子机器。它们折叠成复杂的形状，以执行诸如复制遗传指令或对抗感染等任务。通常，这些机器需要抓取被称为“配体”的小型化学分子才能发挥功能。当蛋白质抓住特定的分子时，它会在其表面的精确位置进行，就像钥匙插入特定的锁孔一样。准确了解这个“锁”在蛋白质上的位置对科学家来说至关重要。如果研究人员能够精准定位这些位点，他们就能理解疾病是如何运作的，并设计出新的药物来阻断或激活这些相互作用。几十年来，寻找这些位点一直依赖于昂贵且缓慢的实验室实验，通过拍摄分子的图像来进行。现在，科学家们正转向利用计算机来更快地预测这些位置，但一个主要的障碍仍然存在：当计算机遇到从未见过的全新类型的化学分子时，它会感到难以应对。
一组研究人员开发了一种新方法，旨在教计算机寻找这些结合位点，即使面对的是完全陌生的化学分子。他们构建了一个系统，该系统通过学习庞大的已知蛋白质形状库和分子的化学式，来对它们会在何处连接做出合理的推测。该团队在三种不同的场景下测试了他们的方法，以观察其效果如何。首先，他们观察了计算机见过多次的常见化学物质。其次，他们在仅在训练数据中出现过几次的化学物质上进行了测试。最后，他们用一项“零样本”（zero-shot）测试挑战了该系统，即要求计算机为数千种在其训练期间从未接触过的化学物质预测结合位点。这项最后的测试是最困难的，模拟了现实世界中的情况：科学家发现了一种新的候选药物，并需要立即了解它如何与蛋白质相互作用。
研究人员首先使用一个包含大量蛋白质序列及其已知结合伙伴的数据库来训练计算机模型。他们首先创建了一个基准系统，该系统学习针对一种特定化学物质逐一预测结合位点。这对于常见的化学物质效果良好，但需要为每一种类型的分子建立一个单独的模型，这非常低效。接着，他们通过教计算机一次性识别不同的化学物质（并使用一种特殊的代码来标识它们）改进了该系统。这使得单个模型可以处理多种不同的分子，并且其表现优于第一个版本。然而，当面对全新的化学物质时，这种方法仍然会失效，因为计算机没有对应的代码。为了解决这个问题，团队引入了第三阶段。他们不再使用预制的化学物质代码，而是将化学物质的结构式——一种被称为 SMILES 字符串的文本形式——输入给计算机。他们使用了一个在数百万个化学式上训练过的独立计算机程序，将这种文本转化为主系统可以理解的数学表示。这使得模型能够对从未见过的化学物质做出预测。
当团队测试这种“零样本”能力时，结果令人鼓舞，但也凸显了这项任务的难度。对于计算机见过的化学物质，系统的准确性保持不变。但对于未见过的化学物质，准确率有所下降，这在处理全新数据时是预料之中的。对于这些新分子，该系统正确识别了蛋白质上约 31% 的相关部分，这对于解决这一特定问题的首次尝试来说是一项显著的成就。为了确保计算机确实是在利用化学信息而非仅仅根据蛋白质形状进行猜测，研究人员进行了对照实验。他们向系统输入正确的蛋白质，但将化学式替换为乱码文本或错误的化学物质。在这种情况下，计算机在所有测试组中的表现都显著下降。这证明了该模型确实在关注所给出的特定化学物质，而不是依赖于通用的猜测。
该研究还探讨了计算机模型的大小如何影响其性能。他们测试了从小型到大型不等的不同版本的蛋白质学习模型。通常情况下，较大的模型表现更好，这表明拥有更多的计算能力有助于系统理解蛋白质形状的复杂模式。然而，增大化学学习模型的大小并不总能带来更好的结果，这表明蛋白质方面的因素目前是决定准确性的更关键因素。研究人员发现，虽然该系统尚不完美，但它为预测蛋白质与新化学物质可能如何相互作用提供了一个可靠的框架。这项工作为测试这些预测建立了一个新的标准，区分了计算机在处理熟悉数据时与处理真正新发现时的能力差异。通过证明该系统可以泛化到未见过的化学物质，研究人员为更快速的药物研发开辟了一条道路，使科学家能够在无需等待缓慢的传统实验的情况下，对新分子进行蛋白质筛选。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。