CrossBind：蛋白质核酸结合残基的协作跨模态识别
生物大分子
2023-12-21 v2
摘要
准确识别蛋白质核酸结合残基是一项重大挑战，对各种生物过程和药物设计具有重要意义。许多典型的蛋白质分析计算方法依赖于单一模型，这可能忽略蛋白质的语义上下文或全局 3D 几何信息。因此，这些方法可能导致蛋白质分析不完整或不准确。为了解决上述问题，本文提出了 CrossBind，一种新颖的协作跨模态方法，通过同时利用蛋白质几何结构及其从大规模蛋白质语言模型中提取的序列先验知识来识别结合残基。具体而言，我们的多模态方法利用对比学习技术和原子级注意力来捕获原子与残基之间的位置关系，从而融入细粒度的局部几何知识，以更好地预测结合残基。大量实验结果表明，在 DNA 和 RNA 数据集上，我们的方法在精确率和召回率的调和平均值（F1-Score）方面分别比次优的 state-of-the-art 方法 GraphSite 和 GraphBind 高出 10.8/17.3%，在 Matthews 相关系数（MCC）方面分别高出 11.9/24.8%。我们在 https://github.com/BEAM-Labs/CrossBind 发布了代码。
引用
@article{arxiv.2312.12094,
title = {CrossBind: Collaborative Cross-Modal Identification of Protein Nucleic-Acid-Binding Residues},
author = {Linglin Jing and Sheng Xu and Yifan Wang and Yuzhe Zhou and Tao Shen and Zhigang Ji and Hui Fang and Zhen Li and Siqi Sun},
journal= {arXiv preprint arXiv:2312.12094},
year = {2023}
}
备注
Accepted to AAAI-24