面向肽-蛋白相互作用预测和目标条件肽生成的集成深度学习框架：ConGA-PepPI 和 TC-PepGen
机器学习
2026-04-28 v2 人工智能
摘要
动机：肽-蛋白相互作用 (PepPIs) 是细胞调节和肽疗法的核心，但实验表征对于大规模筛选太慢。现有方法通常侧重于相互作用预测或肽生成，留下了候选人优先排序、残基水平解释和目标条件扩张不足集成的问题。结果：我们提出了一个用于早期肽筛选的集成框架，将合作感知的预测和局部化模型 (ConGA-PepPI) 与目标条件生成模型 (TC-PepGen) 结合。ConGA-PepPI 使用非对称编码、双向交叉注意力和从对预测到结合位点局部化的渐进迁移，而 TC-PepGen 通过层条件解码保留目标信息。在五折交叉验证中，ConGA-PepPI 实现了 0.839 的准确率和 0.921 的 AUROC，在蛋白侧结合位点 AUPR 为 0.601，在肽侧为 0.950，并在外部基准测试中保持有竞争力。在受控长度条件基准下，40.39% 的 TC-PepGen 肽在 AlphaFold 3 ipTM 超过本机模板，无限制生成保留了目标条件信号的证据。
引用
@article{arxiv.2604.18467,
title = {An Integrated Deep-Learning Framework for Peptide-Protein Interaction Prediction and Target-Conditioned Peptide Generation with ConGA-PepPI and TC-PepGen},
author = {Chupei Tang and Junxiao Kong and Moyu Tang and Di Wang and Jixiu Zhai and Ronghao Xie and Shangkun Sima and Tianchi Lu},
journal= {arXiv preprint arXiv:2604.18467},
year = {2026}
}