LigRNA：通过动态化学互补性与语言模型编码高精度预测 RNA-配体结合位点

内容形式：摘要译文

RNA结合小分子是一种经过验证的治疗策略，但精确定位其RNA结合位点对于理解作用机制和优化药物至关重要。实验方法虽精准，却成本高昂且通量较低，因此亟需可靠的计算替代方案。基于静态特征拼接的方法可能无法充分捕捉RNA残基与配体官能团之间依赖于输入的关系。本文提出LigRNA，这是一种图神经网络框架，通过联合跨模态编码RNA和配体来预测RNA结合位点。LigRNA将结构引导的语言模型嵌入与理化特征——溶剂可及表面积和二级结构类型——相结合，构建全面的RNA表征。配体则通过图注意力网络编码为带属性的分子图，从而保留原子层面的化学拓扑结构，而非将分子压缩为固定指纹。随后，交叉注意力机制可根据配体动态调节RNA核苷酸的注意力权重，从而捕捉特定上下文中的相互作用模式。在TE9和TE18数据集上的基准测试中，LigRNA的F1分数分别达到0.73和0.58，较GATRsite分别提升7.4%和18.4%。消融研究表明，在两个基准数据集上，RNA残差编码器均是贡献最稳定的组成部分。源代码可从https://github.com/WillowWang0216/LigRNA 免费获取。

关键词：RNA-配体结合位点 · 图神经网络 · 交叉注意力机制 · 结构引导语言模型 · 分子相互作用预测

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.15.759315v1?rss=1