- 1次围观
内容形式：摘要译文
蛋白质-蛋白质相互作用（PPIs）是生物过程的核心，因此，识别相互作用伙伴及其结合位点，对于理解分子功能和指导治疗方法的发现至关重要。然而，将大规模的相互作用伙伴预测与残基级相互作用证据联系起来，仍然面临挑战。本文提出 ColBERT-PPI，这是一种具备结构感知能力的多向量框架，可将蛋白质相互作用伙伴检索与相互作用位点定位相结合。该模型保留可重复使用的残基级表征，并以依赖于相互作用伙伴的方式对其进行比较，从而生成用于定位的原始残基相容性图，以及经校准的平滑 MaxSim 分数，用于检索。在 PINDER 数据集上，ColBERT-PPI 的精确率—召回率曲线下面积达到 0.482，而评估中表现最强的外部比较方法为 0.151。在一项独立的人类酵母双杂交筛选中，完整多向量模型和仅基于序列的多向量模型均优于单向量对照模型。残基级比较凸显了实验观测到的界面，捕捉到不同相互作用伙伴之间局部证据的变化，并取得了 0.806 的平均接触 AUROC，而单向量对照模型为 0.526。经过针对特定任务的微调后，在 PPI 数据上训练的表征也提升了蛋白质-RNA 相互作用检索性能，表明其能够迁移至学习时所处的分子语境之外。通过将候选相互作用伙伴与支持这些预测的残基级证据联系起来，ColBERT-PPI 为研究生理性及疾病相关相互作用，以及筛选值得开展治疗探索的蛋白质和相互作用区域，提供了计算基础。代码见 https://github.com/UR-Free/ColBERT-PPI。
关键词：蛋白质互作预测 · 残基级界面定位 · 多向量检索 · 结构感知模型 · 蛋白质-RNA相互作用
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.19.752878v1?rss=1