用于蛋白质界面接触预测的几何Transformer
机器学习
2022-03-08 v5 生物大分子
定量方法
摘要
预测蛋白质间界面接触的计算方法在药物发现中备受青睐，因为它们能显著提升蛋白质-蛋白质对接、蛋白质功能分析工具及其他蛋白质生物信息学计算方法等替代方法的准确性。本工作中，我们提出几何Transformer——一种用于旋转和平移不变的蛋白质界面接触预测的几何演化图Transformer，其被封装于端到端预测流程DeepInteract中。给定两个蛋白质的三级结构作为输入，DeepInteract预测伴侣特异的蛋白质界面接触（即蛋白质间残基-残基接触）。在严格基准测试中，DeepInteract在来自第13和14届CASP-CAPRI实验以及Docking Benchmark 5的挑战性蛋白质复合物靶标上，分别达到14%和1.1%的top L/5精度（L：复合物中蛋白质单元的长度）。由此，以几何Transformer作为其基于图的骨干的DeepInteract，优于现有的界面接触预测方法以及其它与DeepInteract兼容的基于图的神经网络骨干，从而验证了几何Transformer在为三维蛋白质结构下游任务学习丰富关系-几何特征方面的有效性。
引用
@article{arxiv.2110.02423,
title = {Geometric Transformers for Protein Interface Contact Prediction},
author = {Alex Morehead and Chen Chen and Jianlin Cheng},
journal= {arXiv preprint arXiv:2110.02423},
year = {2022}
}
备注
18 pages, 5 figures, and 9 tables. Camera-ready version for ICLR 2022, with a minor update to Figure 2 in Section 4.1 (Methods - Problem Formulation)