GraPhiT-RBP: Graph Transformers and Residue-Level Cross-Attention for Interpretable RNA–Protein Binding Prediction
GraphiT-RBP 是一个高效且具有可解释性的图 Transformer 框架，它利用残基级交叉注意力来准确预测 RNA-蛋白质结合并识别机制决定因素，在不同细胞系的准确性和泛化能力方面均优于现有方法。
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，都在进行着一种持续且复杂的对话，其参与者是两种类型的分子：RNA 和蛋白质。RNA 扮演着信使的角色，传递来自细胞遗传蓝图的指令；而蛋白质则是执行这些指令的工人。为了使这一系统正常运转，特定的蛋白质必须找到并结合到特定的 RNA 链上，这一过程控制着从基因如何开启或关闭到细胞如何响应环境的一切环节。当这些相互作用出现问题时，可能会导致疾病。长期以来，科学家们一直试图绘制这些连接图谱，但可能的配对数量极其庞大，且支配蛋白质如何识别特定 RNA 链的规则非常复杂。这些规则不仅取决于 RNA 中字母序列的变化，还取决于该链如何折叠成三维形状，以及蛋白质本身是如何构建的。
多年来，研究人员一直依赖昂贵且耗时的实验室实验来寻找这些配对，但这些方法无法覆盖所有的可能性。计算模型也被开发出来用于预测这些相互作用，但它们通常将 RNA 和蛋白质视为独立的实体，在尝试猜测它们是否会结合之前，先将它们的特征总结为宽泛的全局平均值。这种方法忽略了 RNA 的各个部分如何与蛋白质的特定部分进行交流的微观细节。一项新的研究引入了一种看待此问题的不同方式，即专注于这两个分子之间直接的点对点对话。
基于爱荷华州立大学的研究人员开发了一种名为 GraPhiT-RBP 的新计算机框架。该系统不再将 RNA 链和蛋白质的信息压缩成单一的摘要后再进行比较，而是保留了每一个单个构建块的细节。它将 RNA 链视为一个由连接点组成的网络，其中每个点代表一个核苷酸（构成遗传代码的化学单元）。同时，它也将蛋白质保持为氨基酸残基（形成蛋白质链的构建块）的详细列表。随后，该系统使用一种称为“交叉注意力”（cross-attention）的数学技术，让 RNA 的各个点能够“观察”蛋白质的残基，反之亦然。这使得模型能够学习哪些 RNA 部分极有可能接触到哪些蛋白质部分，从而保留了相互作用的空间分辨率。
在测试这种方法时，团队利用大规模数据集对该模型进行了评估。他们检查了代表六种不同人类细胞系中各种蛋白质与 RNA 链之间相互作用的 261 个不同数据集。新模型表现优于所有其他方法，在近 79% 的案例中达到了最高的准确率。它在预测即使是模型从未见过的特定蛋白质所发生的结合事件方面特别有效，这表明它学习的是通用的识别规则，而非仅仅是记忆特定的实例。此外，该系统在运行效率方面也更高，其可调参数显著少于竞争对手。
除了预测是否会发生结合事件外，该模型还为相互作用的生物学机制提供了一个窗口。由于它追踪了每一个组成部分，研究人员可以观察到模型认为哪些特定的 RNA 字母序列最为重要。当他们分析这些模式时，该系统成功识别出了已知的生物学特征，例如那些以吸引特定蛋白质而闻名的特定字母组合。这证实了该模型并非仅仅在猜测，而是在学习分子识别的真实语言。此外，该系统还可以精准定位蛋白质上哪些氨基酸最可能参与结合，且这些预测结果与实验室中观察到的蛋白质-RNA 复合物的已知物理结构高度吻同。
研究人员还测试了该模型处理遗传密码变化的能力。他们在 RNA 序列中引入了被称为“变体”的单字母变化，并观察模型的预测如何发生偏移。在已知某种变化会破坏蛋白质结合能力的案例中，模型正确地预测了结合概率的下降，并显示出变化周围特定字母的重要性发生了改变。这表明该工具对于理解遗传突变如何干扰细胞调节具有潜在用途。这项研究表明，通过关注 RNA 与蛋白质之间直接的、残基层级的关系，而不是将它们视为分离的、经过汇总的对象，我们能够构建出更准确且更具解释性的工具，来理解生命的分子机制。
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。