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
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。
延伸问答
PROTLGN模型的主要功能是什么？
PROTLGN模型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在蛋白质设计中有哪些应用？
PROTLGN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。
PROTLGN的训练过程是怎样的？
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的预测准确性如何？
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如何处理蛋白质的空间结构变化？
PROTLGN使用等变GNN作为核心网络层，能够识别并保持蛋白质结构的旋转不变性。
PROTLGN在荧光蛋白设计中的表现如何？
PROTLGN在荧光蛋白设计中表现出良好的迁移能力和预测准确性，能够优化荧光强度。
