面向蛋白结合位点预测的边缘感知图注意力网络
机器学习
2026-01-06 v1 定量方法
摘要
精准识别蛋白结合位点对于理解生物分子相互作用机制和制定理性药物靶点至关重要。传统预测方法在捕捉复杂空间构象时常难以平衡预测精度与计算效率。为此本文提出一种边缘感知图注意力网络（Edge-aware GAT），用于预测生物分子（包括蛋白质、DNA/RNA、离子、配体和脂质）的细粒度结合位点。该方法构建原子级别图结构，并整合多维结构特征，包括几何描述子、DSSP派生的二级结构和相对溶剂可及性（RSA），以生成具有空间感知能力的嵌入向量。通过将原子间距离和方向向量作为边缘特征纳入注意力机制，显著提升了模型的表示能力。在基准数据集上，本方法在蛋白-蛋白结合位点预测中实现ROC-AUC为0.93，优于多个最新方法。采用方向张量传递和残基级别注意力池化进一步提高了结合位点定位和局部结构细节的捕获能力。使用PyMOL可视化结果表明该模型在实用性和可解释性方面具有优势。为便于社区访问和应用，我们已在 http://119.45.201.89:5000/ 部署了公开服务器。总体而言，本方法为在蛋白质中识别功能位点提供了一种新颖且高效的解决方案，兼顾了预测精度、泛化能力和可解释性。
引用
@article{arxiv.2601.02138,
title = {Edge-aware GAT-based protein binding site prediction},
author = {Weisen Yang and Hanqing Zhang and Wangren Qiu and Xuan Xiao and Weizhong Lin},
journal= {arXiv preprint arXiv:2601.02138},
year = {2026}
}
备注
24 pages, 10 figures, 6 tables