基于图神经网络预训练建模突变对蛋白质-蛋白质结合亲和力的影响
生物大分子
2021-09-15 v1 机器学习
定量方法
摘要
建模突变对结合亲和力的影响在蛋白质工程和药物设计中起着关键作用。在本研究中,我们开发了一个名为 GraphPPI 的新型基于深度学习的框架,基于图神经网络 (GNN) 提供的特征来预测突变后的结合亲和力变化。具体而言,GraphPPI 首先采用精心设计的预训练方案,以无监督方式强制 GNN 捕捉可预测突变对结合亲和力影响的特征,然后将这些图特征与梯度提升树相整合以执行预测。实验表明,在没有任何标注信号的情况下,GraphPPI 能够捕捉蛋白质结构中有意义的模式。此外,GraphPPI 在五个基准数据集上预测单点突变和多点突变的结合亲和力变化均达到了新的 SOTA 性能。深入分析还表明,GraphPPI 能够准确估计突变对 SARS-CoV-2 与其中和抗体之间结合亲和力的影响。这些结果确立了 GraphPPI 作为蛋白质设计研究中强大且有用的计算工具。
引用
@article{arxiv.2008.12473,
title = {Pre-training of Graph Neural Network for Modeling Effects of Mutations on Protein-Protein Binding Affinity},
author = {Xianggen Liu and Yunan Luo and Sen Song and Jian Peng},
journal= {arXiv preprint arXiv:2008.12473},
year = {2021}
}