无实验数据指导蛋白质定向进化，上海交大洪亮课题组发表微环境感知图神经网络 ProtLGN
💡
原文中文，约5100字，阅读约需13分钟。
📝
内容提要
上海交通大学洪亮课题组研发了一种名为PROTLGN的微环境感知图神经网络，能够从蛋白质三维结构中学习并预测有益的氨基酸突变位点，指导蛋白质设计。PROTLGN具有更高的效率和准确性，可用于突变预测、荧光蛋白优化、VHH抗体设计和Ago蛋白突变等方面。此外，PROTLGN还能预测蛋白质的亚细胞定位。
🎯
关键要点
- 蛋白质工程通过修改氨基酸序列改善蛋白质的生物化学性质。
- 有利突变能够增强蛋白质的稳定性、亲和力和催化效率，但实验验证成本高、时间长。
- 深度学习方法提高了蛋白质设计的准确性和效率，但存在依赖多序列比对和训练成本高的问题。
- 上海交通大学洪亮课题组研发的PROTLGN微环境感知图神经网络能够预测有益的氨基酸突变位点。
- PROTLGN在突变预测、荧光蛋白优化、VHH抗体设计等方面表现出更高的效率和准确性。
- PROTLGN的核心架构包括kNN图、等变GNN、节点嵌入和输出层。
- PROTLGN的训练过程包括自监督预训练、等变图卷积层、噪声注入和微调。
- PROTLGN在多种蛋白质的不同生物学功能上进行了广泛验证，显示出40%的单点突变成功预测率。
- PROTLGN在荧光蛋白和VHH抗体的设计中表现出良好的迁移能力和预测准确性。
- PROTLGN能够识别高增益功能突变体，并在组合单突变位点时识别出正向的上位效应。
- PROTLGN在蛋白质亚细胞定位预测中显著超越现有方法，显示出其在生物医学工程中的潜力。
➡️
