BA-Pred和RMSD-Pred:用于精确蛋白质-配体结合亲和力和结合姿态预测的集成图神经网络模型

《Journal of Chemical Information and Modeling》:BA-Pred and RMSD-Pred: Integrated Graph Neural Network Models for Accurate Protein–Ligand Binding Affinity and Binding Pose Prediction

【字体: 大 中 小 】 时间:2026年04月02日 来源:Journal of Chemical Information and Modeling 5.3

编辑推荐:

  在基于结构的药物发现中,准确预测蛋白质-配体(protein-ligand)的结合姿态(bound pose)及其亲和力(affinity)至关重要。在此,研究人员提出一个集成的深度学习框架,该框架在互补的图神经网络(Graph Neural Network,

  
在基于结构的药物发现中,准确预测蛋白质-配体(protein-ligand)的结合姿态(bound pose)及其亲和力(affinity)至关重要。在此,研究人员提出一个集成的深度学习框架,该框架在互补的图神经网络(Graph Neural Network, GNN)架构中分离了两个核心任务——亲和力估计(affinity estimation)和姿态评估(pose evaluation)。BA-Pred用于预测结合亲和力(binding affinity),RMSD-Pred用于结合姿态评估(binding pose assessment),预测配体姿态与晶体结构(crystal structure)的均方根偏差(root-mean-squared deviation, RMSD)。两个模型均采用具有可学习结构位置编码的门控图卷积网络(Gated Graph Convolutional Network with Learnable Structural Positional Encoding, GatedGCN-LSPE)架构,以捕获蛋白质-配体图(protein–ligand graph)上的空间和化学依赖性。BA-Pred在CASF-2016基准测试(benchmark)上达到了最先进的评分能力(scoring power),均方根误差(root-mean-squared error, RMSE)为1.10 pKd,而RMSD-Pred表现出强大的对接能力(docking power),top-1成功率为96%,与已报道的最佳深度学习评分函数(scoring function)相当。RMSD-Pred的鲁棒泛化能力(generalization capability)在外部Astex diverse集和PoseBusters基准测试上得到了进一步验证,其将AutoDock-GPU的姿态选择成功率(pose selection success rate)提高了高达33.1%。研究人员方法学的准确性在第十六届结构预测关键评估(16th Critical Assessment of Structure Prediction, CASP16)的药物靶标(pharmaceutical target)上得到了证明,在该评估中,研究人员的方法在配体结合亲和力预测类别中排名第二。通过使用研究人员的模型,开发了一个用于虚拟筛选(virtual screening)的集成流程,其中使用RMSD-Pred进行姿态选择,使用BA-Pred预测结合亲和力。这种组合方法表现出鲁棒的筛选性能(screening performance),在CASF-2016基准测试上实现了21.1的富集因子(enrichment factor, EF)1%。此外,在LIT-PCBA基准测试上,使用研究人员的流程对AutoDock-GPU对接的姿态进行重新评分,将EF 1%从2.18显著提高到3.19。这些多样的基准测试结果表明,研究人员的图神经网络模型在各种蛋白质-配体相互作用预测任务中表现出良好且均衡的性能。因此,研究人员期望这些模型将作为一个有前景的框架来加速药物发现过程。
在基于结构的药物发现中,准确预测蛋白质-配体结合姿态及其亲和力是核心瓶颈。传统对接方法(如AutoDock Vina)的评分函数精度有限,而基于卷积神经网络(CNN)的方法难以满足旋转不变性并充分表示化学细节。许多3D结构模型过拟合数据集偏差,且现有方法多将亲和力预测与姿态评估视为单一任务,隐含假设预测姿态接近天然态,导致两者相互制约。为此,研究人员提出了BA-Pred和RMSD-Pred两个互补的图神经网络(GNN)模型,分别解耦结合亲和力预测和结合姿态质量评估,并集成构建虚拟筛选流程。该研究在CASF-2016基准上验证了BA-Pred的最优评分能力(RMSE=1.10 pKd,Pearson r=0.865),以及RMSD-Pred的高对接能力(top-1成功率96%)。在CASP16盲测中,BA-Pred在真实药物靶标上排名第二。集成流程在CASF-2016和LIT-PCBA基准上显著提升了虚拟筛选的富集因子。论文发表在《Journal of Chemical Information and Modeling》。

研究人员为开展研究主要采用了以下关键方法:基于PDBbind v2020数据库构建蛋白质-配体图数据;使用GatedGCN-LSPE(具有可学习结构位置编码的门控图卷积网络)架构,分别通过残基级别(8 ?截断,保留完整侧链)和原子级别(10 ?截断)的口袋定义构建BA-Pred和RMSD-Pred的图结构;交互图采用高斯径向基函数(RBF)编码5 ?截断内的距离,BA-Pred额外引入基于SMARTS模式的化学交互特征。训练采用三种数据拆分策略(随机拆分、CleanSplit去除结构相似性泄漏、LP-PDBBind时序拆分),使用MSE损失(BA-Pred)和Huber损失+二元交叉熵(RMSD-Pred)进行优化。评估使用CASF-2016、Astex diverse集、PoseBusters、LIT-PCBA以及CASP16盲测基准。

### CASF-2016 Benchmark
**Scoring Power Evaluation**:BA-Pred在随机拆分下对CASF-2016核心集(N=285)取得MAE=0.82、RMSE=1.10、Pearson r=0.865、Spearman γ=0.860,R2=0.742,优于现有方法(如HAC-Net RMSE=1.21、PLANET RMSE=1.25),预测值在±2 pKd误差范围内呈线性分布。
**Training and Evaluation Using CleanSplit**:在去除训练-测试结构相似性的CleanSplit协议下,BA-Pred的5折交叉验证集成(25个模型)取得RMSE=1.293、Pearson r=0.818,优于GEMS(RMSE=1.308, r=0.803)和GenScore(RMSE=1.362, r=0.780),证明性能不受数据泄漏驱动。
**Training and Evaluation Using LP-PDBBind**:在严格时序拆分(蛋白序列相似性<50%、配体相似性<99%)下,BA-Pred在测试集上RMSE=2.01 kcal/mol,优于AutoDock Vina(2.56 kcal/mol)、RF-Score(2.14 kcal/mol)和DeepDTA(2.29 kcal/mol),且训练、验证、测试误差差异小,表明鲁棒泛化能力。家庭-wise分析显示BA-Pred在12个蛋白家族中7个取得最高Pearson r,如转移酶(r=0.65)、水解酶(r=0.68),而低样本类别(如转运蛋白n=83)仍具挑战。
**Benchmark Results on BDB2020+**:在2020年后发表的全新蛋白-配体复合物上,BA-Pred的LP-PDBBind拆分取得最低RMSE(1.64 kcal/mol),CleanSplit 5折集成取得最高Pearson r(0.45±0.026),证明时间泛化能力。

### CASP16 Protein–Ligand Prediction Challenge
在仅有序列和SMILES的Stage 1中,研究人员通过RMSD-Pred选择最佳姿态后以BA-Pred预测亲和力。在122个靶标(108个自毒素、14个糜酶)上,LCDD队伍(组55)取得N加权Kendall τ=0.33,在28个参赛组中排名第二。自毒素集上RMSE=1.38、Pearson r=0.50;糜酶集因样本少、难度大,RMSE=2.01、Pearson r较低。

### Protein–Ligand Binding Pose Evaluation Benchmark
**CASF-2016 Docking Power Evaluation**:RMSD-Pred在随机拆分下,回归模型top-1成功率94.85±1.01%,二元分类模型95.91±0.66%;CleanSplit下分类模型达96.49±0.29%,高于AK-Score2(83.5%)和DeepRMSD+Vina(94.4%),接近GenScore(97.6%)。相比之下,BA-Pred仅达31.6%,凸显两者互补性。
**Astex Diverse Set and PoseBusters Benchmark**:在Astex集(85个复合物)上,RMSD-Pred分类模型将AutoDock Vina姿态选择成功率从69.4%提升至80.8%(+11.4%),将AutoDock-GPU从52.9%提升至69.4%(+16.5%)。在PoseBusters集(308个复合物)上,对AutoDock-GPU的基线37.7%提升至70.9%(分类模型,+33.1%),CleanSplit模型方差更低(0.2–0.7%),证实对未知蛋白家族的稳定泛化。

### Application to Virtual Screening
**CASF-2016 Screening Power Benchmark**:单模型方面,RMSD-Pred二元分类模型取得EF 1%=20.0±0.7、SR 1%=45.0±2.7,BA-Pred单独仅EF 1%=2.6。两阶段过滤策略(先RMSD-Pred二元分类pcls≤0.1过滤,再BA-Pred排序)取得SR 1%=59.6±3.5、EF 1%=21.1±0.2,相较于单RMSD-Pred提升33%的SR。
**LIT-PCBA Benchmark**:集成策略(BA-Pred与AutoDock-GPU评分的交集)将平均EF 1%从AutoDock-GPU基线的2.18提升至3.19,与现有深度学习方法的2.18–3.90范围相当;Reg ∩ Cls(RMSD-Pred回归与分类的共识)提升至2.51。

### Ablation Study
**Sensitivity to Protein Side Chain Information**:通过计算机模拟甘氨酸突变(0–50%口袋残基随机突变为甘氨酸),BA-Pred的RMSE随突变率线性上升(50%时RMSE增加约0.55 pKd,R2下降45%),证明模型学习侧链化学特征而非仅骨架几何。
**Sensitivity to Ligand Functional Groups**:删除末端杂原子(16.7%原子)引起最大性能下降(R2下降0.188–0.199),删除卤素(6.9%原子)也显著影响(R2下降0.027–0.034);但卤素替换(全换为F/Cl/Br)影响微小(ΔR2<0.01),表明模型捕获卤素存在而非类型特异性。
**Feature Importance**:节点特征归零导致误差增超10倍,其中氢原子总数、价态和原子符号最关键;距离RBF特征在分子间特征中主导,边特征对结构精细调整必要。

总结讨论部分:研究结果强调,采用亲和力预测与姿态质量评估双专有模型,能克服单一模型完成所有结构药物发现任务的局限性。未来可结合蛋白质进化信息和化学语言模型,或采用专家混合等集成技术,并结合扩散对接和实验反馈,以提升跨靶标的泛化性。

研究结论部分翻译:在这项工作中,研究人员提出了两个基于图的模型——BA-Pred和RMSD-Pred——用于增强蛋白质-配体结合预测。BA-Pred预测蛋白质-配体结合亲和力,而RMSD-Pred通过图神经网络架构利用三维结构信息,以高精度识别近天然结合姿态。广泛的基准测试表明,研究人员的模型在结合亲和力预测上实现了优越性能,并在姿态预测和虚拟筛选中取得了均衡表现。BA-Pred在CASF-2016评分能力基准上获得了比现有方法更高的相关性以及更低的RMSE和MAE。此外,BA-Pred的准确性在CASP16实验(使用制药公司测试的真实蛋白质-配体复合物)中得到进一步验证,BA-Pred在结合亲和力类别中取得了排名第二的性能(τN=0.33)。RMSD-Pred在评估对接姿态上表现出较高性能,在CASF-2016上实现了高对接能力,并在Astex diverse集和PoseBusters等外部基准上展示了鲁棒的泛化能力。研究人员进一步将方法应用于虚拟筛选任务,通过组合两个模型:RMSD-Pred用于过滤掉超过RMSD截断或分类概率阈值的姿态,之后BA-Pred的结合亲和力分数指导最终的配体排序。这种集成策略在CASF-2016筛选能力上显著提高了SR 1%至59.7%,并将AutoDock-GPU在LIT-PCBA基准上的EF 1%从1.88提高到3.19,验证了其在虚拟筛选中的实际效用。这些结果表明,研究人员的模型构成了结构药物发现的有用资源。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号