SAGEPhos：基于生物耦合与增强融合的磷酸化位点检测
摘要
基于酶-底物相互作用的磷酸化位点预测在理解细胞信号通路和疾病机制方面发挥着关键作用。计算方法可分为以酶家族为中心和针对单个酶为导向两种类型。针对单个酶的方法因能够探索更广泛的蛋白质空间并为酶抑制剂提供更精确的靶点信息而日益受到关注。然而，大多数现有的针对单个酶的方法仅关注序列输入，忽略了至关重要的结构信息。为此，我们引入了 SAGEPhos（Structure-aware kinAse-substrate bio-coupled and bio-auGmented nEtwork for Phosphorylation site prediction，即基于结构感知的酶-底物生物耦合与生物增强网络用于磷酸化位点预测），一个新型框架，通过在两个不同模态层次上引入辅助输入来修改主要蛋白输入的语义空间。在模态间层面，SAGEPhos 引入了生物耦合模态融合（Bio-Coupled Modal Fusion）方法，提炼关键酶序列信息以细化任务导向的底物特征空间，创建共享的语义空间以捕捉关键酶-底物相互作用模式。在底物的内模态领域，它关注生物增强融合（Bio-Augmented Fusion），强调 2D 局部序列信息，同时选择性地整合来自预测结构的 3D 空间信息以补充序列空间。此外，为解决当前数据集缺乏结构信息的问题，我们贡献了一个新的、精炼的磷酸化位点预测数据集，包含关键结构元素，将为该领域提供新的基准。实验结果表明，SAGEPhos显著优于基线方法。我们已在 https://github.com/ZhangJJ26/SAGEPhos 发布 SAGEPhos 模型和代码。
引用
@article{arxiv.2502.07384,
title = {SAGEPhos: Sage Bio-Coupled and Augmented Fusion for Phosphorylation Site Detection},
author = {Jingjie Zhang and Hanqun Cao and Zijun Gao and Xiaorui Wang and Chunbin Gu},
journal= {arXiv preprint arXiv:2502.07384},
year = {2025}
}
备注
Due to significant disagreements within the author team regarding the content of the paper and an inability to reach a consensus, we have decided to withdraw the current version to allow for further verification and refinement of the research content