学习设计具有增强泛化能力的蛋白质-蛋白质相互作用
机器学习
2024-03-19 v3
摘要
发现增强蛋白质-蛋白质相互作用（PPIs）的突变对于推进生物医学研究和开发改进疗法至关重要。尽管机器学习方法已大幅推动该领域发展，它们在实际场景中常难以泛化到训练数据之外。本工作的贡献有三方面。首先，我们构建了PPIRef，这是最大且非冗余的3D蛋白质-蛋白质相互作用数据集，可实现有效的大规模学习。其次，我们利用PPIRef数据集预训练PPIformer，一种可泛化到多样蛋白质-结合物变体的新SE(3)-等变模型。我们通过基于热力学动机的预训练损失函数调整来微调PPIformer，以预测突变对蛋白质-蛋白质相互作用的影响。最后，我们通过在标准标注PPI突变数据的全新非泄漏划分上超越其他最先进（SOTA）方法，以及优化抗SARS-CoV-2人源抗体和提升葡萄球菌激酶溶栓活性的独立案例研究，展示了我们新PPIformer方法的增强泛化能力。
引用
@article{arxiv.2310.18515,
title = {Learning to design protein-protein interactions with enhanced generalization},
author = {Anton Bushuiev and Roman Bushuiev and Petr Kouba and Anatolii Filkin and Marketa Gabrielova and Michal Gabriel and Jiri Sedlar and Tomas Pluskal and Jiri Damborsky and Stanislav Mazurenko and Josef Sivic},
journal= {arXiv preprint arXiv:2310.18515},
year = {2024}
}