摘要

本文由上海交通大学和密歇根大学的研究人员共同撰写，探讨了蛋白质表示学习中序列信息嵌入的必要性及其对性能的影响。论文通过结构对齐任务发现，在某些情况下，嵌入氨基酸类型可能不会帮助深度学习模型学习更好的表示。为此，研究团队提出了PROTLOCA，一种仅基于氨基酸结构表示的局部几何对齐方法。该方法在全局结构匹配任务中，通过使用CATH标签的独立测试数据集，证明了其比现有的基于序列和结构的表示学习方法更快更准确地匹配结构一致的蛋白质域。此外，在局部结构配对任务中，PROTLOCA首次提供了一种有效解决方案，突出显示具有不同整体结构但具有相同功能的蛋白质之间的共同局部结构。这为使用深度学习方法分析蛋白质结构以推断功能提供了新的可能性。

原理

PROTLOCA利用旋转等变图神经网络（GVP）处理蛋白质的三维结构，提取氨基酸局部几何的向量表示。该模型通过处理蛋白质图的节点和边，计算标量和向量特征的嵌入，从而实现对蛋白质结构的精确表示。PROTLOCA的关键在于其能够从蛋白质结构中提取有用的信息，而不依赖于氨基酸序列信息，这在某些蛋白质结构对齐任务中显示出显著的优势。

流程

PROTLOCA的工作流程包括以下几个步骤：首先，使用GVP层从蛋白质图的节点和边中提取标量和向量特征。然后，通过多次迭代标量-向量传播，计算这些特征的嵌入。接着，通过GVP-GNN块的堆叠，获得表达性强的节点表示。最后，这些节点表示被发送到读出层进行标签预测。在全局结构匹配任务中，PROTLOCA通过计算蛋白质对的向量表示之间的余弦相似度来评估结构相似性。例如，在局部结构对齐任务中，PROTLOCA能够识别出具有不同整体结构但具有相同功能的蛋白质之间的共同局部结构。

应用

PROTLOCA的应用前景广泛，特别是在蛋白质结构分析和功能预测领域。由于其能够有效识别和匹配蛋白质的局部结构，PROTLOCA在药物设计、蛋白质工程和生物信息学研究中具有重要价值。此外，该方法的独立于序列信息的特点，使其在处理那些序列信息不完整或不准确的蛋白质时尤为有用。随着更多高质量蛋白质结构数据集的开发和深度学习技术的发展，PROTLOCA有望进一步推动蛋白质科学领域的进步。