超越随机分割:PROTAC 活性预测中可迁移性与可靠性的分层基准

《Computational Biology and Chemistry》:Beyond Random Splits: A Hierarchical Benchmark of Transferability and Reliability in PROTAC Activity Prediction

【字体: 大 中 小 】 时间:2026年08月28日 来源:Computational Biology and Chemistry 3.4

编辑推荐:

   * 分层基准测试(随机 / 骨架 / 留一靶点外 / 留一片段外)揭示了 PROTAC 预测中的评估陷阱 * 简单的随机森林 + ECFP4 在随机分割下已达到 R2 = 0.693,接近插值上限 * 所有模型类别在留一靶点外(LOTO)下均崩溃,R2 降至零以下

  * 分层基准测试(随机 / 骨架 / 留一靶点外 / 留一片段外)揭示了 PROTAC 预测中的评估陷阱* 简单的随机森林 + ECFP4 在随机分割下已达到 R2 = 0.693,接近插值上限* 所有模型类别在留一靶点外(LOTO)下均崩溃,R2 降至零以下* 连续的蛋白质语义距离(ProtBERT),而非家族标签,决定了跨靶点可转移性* 蛋白质分布偏移比化学骨架新颖性导致更大的预测误差* 一致性预测覆盖率在靶点外推下从 90% 降至 64%,揭示了可靠性失效## 章节摘要### 引言靶向蛋白降解(TPD)已成为一种重要的治疗范式,通过泛素 - 蛋白酶体系统消除致病蛋白,而不仅仅是抑制其功能(Lai and Crews, 2017, Nalawansha and Crews, 2020, Zhong et al., 2024)。蛋白水解靶向嵌合体(PROTACs)作为最成熟的降解剂类别,作为异双功能分子同时结合靶蛋白和 E3 泛素连接酶,诱导泛素化并### 数据集构建与整理PROTAC 降解数据从 TPDdb (Weng et al., 2021) 获取,并通过结构化流程进行整理。移除了 SMILES 无效的条目,排除了缺乏靶点或连接酶注释的记录,通过对相同 SMILES–靶点–连接酶组合的 DC50 取中位数来合并重复条目,并使用中位数绝对偏差标准在 log10(DC50) 空间中过滤极端异常值。整理后的数据集与 PROTAC-DB 3.0 (Ge et al.,### 分层基准测试揭示了随机分割的评估幻觉在随机评估下,简单的 RF + ECFP4 基线实现了池化 R2 = 0.693 ± 0.025,表明当允许化学相似化合物之间进行插值时,传统的基于树的方法已经表现出极强的性能(图 2A)。骨架分割仅轻微降低了性能(R2 = 0.682 ± 0.030),表明即使在训练和测试数据共享靶点的情况下,基于骨架的评估仍然可能大幅高估实际效用。这些### 讨论本工作将 PROTAC 活性预测重新定义为一个关于可转移性和可靠性的问题,而不是排行榜优化。随机分割下的大部分明显进展反映的是评估设计,而不是真正改进的跨靶点建模。同时,基准测试也表明丰富的多模态深度学习并非无关紧要:HybridMoECrossAttn 集成模型虽然远未解决 LOTO 问题,但仍优于检索基线,因此学习了信号### 结论我们建立了一个 PROTAC 活性预测的分层基准测试,揭示了随机分割的评估幻觉,量化了跨靶点崩溃的严重程度,并证明了在靶点偏移下存在重大的可靠性失效。传统的基于树的模型在容易的分割下已接近插值上限,而所有模型类别在 LOTO 和 LOFO 下仍然脆弱。蛋白质语义邻域,而非单纯的家族标签,被视为关键决定因素### 作者贡献R.Z. 和 G.G. 对本工作贡献相同。R.Z. 构思了研究,开发了方法,进行了正式分析,并撰写了原稿。G.G. 进行了软件开发和数据整理。L.L. 进行了验证和可视化。S.L. 监督了项目, secured 资金,并审阅和编辑了手稿。所有作者均已阅读并批准最终版本。### 作者贡献朱仁光和郭光浩对本工作贡献相同。所有作者均参与了研究设计、分析、手稿准备和最终批准。### 备注作者声明无竞争性财务利益。### 数据和软件可用性完整的基准测试工作区,包括整理后的数据集、预计算蛋白质表示、基线结果矩阵、检索基准输出、失败分类分析、一致性预测输出以及手稿/图表生成脚本,可通过下列项目仓库获取。GitHub: https://github.com/jakechen112/TPD-MTRZenodo: DOI: 10.5281/zenodo.17576325存档材料包括:(1) 整理后的 PROTAC 数据集 (protac_final.csv);(2) 预计算### 未引用参考文献Chen and Guestrin (2016); (Debnath et al., 2025); (Abramson et al., 2024)### 资金本研究未获得 Funing 的支持### CRediT 作者贡献声明**李璐璐:** 调查,数据整理。**罗思涵:** 资源,方法,正式分析。**郭光浩:** 软件。**朱仁光:** 正式分析,数据整理。### 竞争利益声明下列签署作者证明,他们与任何组织或实体没有隶属关系或参与,且与本文讨论的主题或材料没有任何财务利益(如个人或职业关系、隶属关系、知识或信念)。朱仁光 | 郭光浩 | 李璐璐 | 罗思涵
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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