LAMP-PRo：基于标签感知注意力的 DNA 和 RNA 结合蛋白多标签预测
定量方法
2025-10-22 v2 人工智能
机器学习
摘要
识别 DNA-（DBPs）和 RNA-结合蛋白（RBPs）对于理解细胞功能、分子相互作用以及调控功能至关重要。由于其高度相似性，现有大多数方法在区分 DBPs 和 RBPs 时面临挑战，导致高水平的交叉预测误差。此外，识别同时结合 DNA 和 RNA 的蛋白（DRBPs）也是一项具备挑战性的任务。在此背景下，我们提出了一种新型框架，即 LAMP-PRo，基于预训练的蛋白质语言模型（PLM）、注意力机制和多标签学习来缓解这些问题。首先，使用如 ESM-2 的预训练 PLM 对蛋白质序列进行嵌入，然后通过卷积神经网络（CNN）。随后应用多头自注意力机制以获取上下文信息，同时使用标签感知注意力以针对每个标签（DBP、RBP 和非 NABP）在多标签设置中对序列进行注意，从而计算类别特定的表示。我们还引入了一种新型的交叉标签注意力机制，以显式捕获 DNA- 和 RNA-结合蛋白之间的依赖关系，从而实现对 DRBPs 的更准确预测。最后使用线性层和 sigmoid 函数进行最终预测。开展了大量实验以比较 LAMP-PRo 与现有方法，结果表明该模型表现出一致且成熟的性能。此外，我们还提供了可视化结果，以展示模型的可解释性，突出显示哪些序列部分对于预测的标签最为相关。原始数据集可在 http://bliulab.net/iDRBP\_MMC 获取，代码可在 https://github.com/NimishaGhosh/LAMP-PRo 获取。
引用
@article{arxiv.2509.24262,
title = {LAMP-PRo: Label-aware Attention for Multi-label Prediction of DNA- and RNA-binding Proteins using Protein Language Models},
author = {Nimisha Ghosh and Dheeran Sankaran and Rahul Balakrishnan Adhi and Sharath S and Amrut Anand},
journal= {arXiv preprint arXiv:2509.24262},
year = {2025}
}