Nat. Mach. Intell.速递：transformer 网络评价蛋白质结合界面

关键词：蛋白质结合界面，机器学习，Transformer 网络，对比学习

论文题目：Evaluating protein binding interfaces with transformer networks期刊名称：Nature Machine Intelligence斑图地址：https://pattern.swarma.org/paper/a66db7e6-4dd3-11ee-b3ff-0242ac17000d论文地址：https://www.nature.com/articles/s42256-023-00715-4

计算蛋白质结合研究被广泛用于探究基本生物过程，促进现代药物、疫苗和治疗方法的发展。评分函数的目标是对预测蛋白质复合物的结合强度进行评估和排序。然而，对蛋白质结合界面进行准确评分仍然是一个挑战。

这项研究展示了评估蛋白质结合界面的 Transformer 网络（PIsToN）方法，该方法能够区分类原生的蛋白质复合物和不正确的构象。蛋白质界面被转化成一系列二维图像（界面图），每个图像对应于一种几何或生化特性。像素强度代表特征值。研究从流行的视觉 transformer 模型中改进了一个神经网络，并进行了几项增强：一个混合部分用于接受基于实验的能量项，一个多注意力模块用于突出重要特征和结合位点，并使用对比学习（contrastive learning）来提高排序性能。由此产生的 PIsToN 模型在已有知名数据集上明显优于最先进的评分函数。

图1. PIsToN 方法对特征计算过程。

图2. PIsToN 方法的训练过程

图3. PIsToN 方法的可解释性

---

编译｜梁金

大模型与生物医学：

AI + Science第二季读书会启动

详情请见：

推荐阅读

点击“阅读原文”，报名读书会