榕树集--深度学习预测糖类结合位点

简介

看一篇发表在NC上的使用DL来预测糖类结合位点（DeepGlycanSite）的文章。

其文章思路比较清晰，为

1. 构建糖类蛋白质复合物数据集
2. 构建神经网络进行学习以及训练
3. 横向与其他口袋预测模型进行比较
4. 对特定的输入糖类进行预测
5. 实验验证

详解

这里着重查看复合物数据集构建，以及神经网络构建阶段。

数据集

作者整理了一个大型的糖类-蛋白质复合物数据集，涉及约8100种蛋白质和超过1700种碳水化合物。

• 对于分辨率而言，分辨率优于4Å的碳水化合物-蛋白质复合物的X射线和电子显微镜结构。
• 对于蛋白质而言，只有距离糖类化合物在4Å以内的残基被标注为糖类化合物结合位点。
• 对于时间而言，获取了2023年1月1日之前发布的结构。
• 对于糖基化的蛋白质而言，去除掉。
• 对于测试集而言，使用2021年以后发布且分辨率优于3Å的复合物构建。
• 为了降低bias：训练集中，排除了相同位点与相同糖类化合物结合的cases。对于测试集，排除了与训练集（或验证集）序列同一性超过95%的蛋白质。进一步控制测试集中蛋白质序列同一性为30%。

数据集下载地址：https://github.com/xichengeva/DeepGlycanSite/tree/main/datasets

网络结构

1. 图表示的特征

作者利用无向图 [G = (V, E)] 来表示蛋白质和糖类。

• 蛋白质：每个氨基酸分配一个节点，并在蛋白质结构中两个相邻残基的8Å大原子距离阈值内连接一个边。每个节点的位置由每个残基的质心定义。节点特征包括残基类型、嵌入的进化信息和残基内部几何特征。采用ESM-2模型（esm2_t33_650M_UR50D）根据给定蛋白质的氨基酸序列生成1280维嵌入进化信息。

• 糖类化合物：节点和边分别代表原子和键。引入了512维的分子特征。在特征化之前，使用Rdkit来处理的糖类化合物。
  • 节点特征包括atom symbol, degree, hybridization type, formal charge, number of radical electrons, aromaticity、total number of hydrogens binding on it和chiral property。
  • 边的特征包括bond type, conjugation, ring inclusion and stereo configuration。

2. 模型框架

• ReceptorNet：受Vector-Scalar Interactive Graph Neural Network (ViSNet)启发，构建了一个基于几何的等变图神经网络，用于解析氨基酸水平的表示。
• Transformer：将这些输出graph合并，以确定每个氨基酸的糖类化合物结合概率。

3. 下载地址

模型：https://github.com/xichengeva/DeepGlycanSite

数据集：https://github.com/xichengeva/DeepGlycanSite/tree/main/datasets

总结

DeepGlycanSite是一个强大的结合位点预测器，在不同糖类化合物结合位点类别中都表现出良好的性能。