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。

本研究构建了PPIRef数据集，并使用PPIformer模型提升蛋白质-蛋白质相互作用的突变预测，展示了其在药物研究中的潜力。同时，探讨了数据泄漏对机器学习模型性能的影响，并提出了改进方法以确保模型的可靠性。