数据集构建与预处理
建立用于模型训练和评估的蛋白质序列及其功能注释数据集。
采用DeepFRI数据集，包含36,641条蛋白质序列，通过CD-HIT以95%序列同一性阈值去除冗余，并划分训练集（80%）、验证集（10%）和测试集（10%）。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
一种用于精确蛋白质功能预测的可扩展等变图网络框架
A scalable equivariant graph network framework for precise protein function prediction
实验完整度
中基于公开数据集进行模型构建与性能评估，包含消融实验和案例分析，但无湿实验验证。
主要模型
DeepFRI数据集（含36,641条蛋白质序列） 蛋白质结构图（KNN图） 3Di序列
重点核对
训练/验证/测试集划分比例80%/10%/10%（表2） CD-HIT以95%序列同一性去冗余 预测结构由ESMFold生成 评估指标包括AUC、AUPRC和Fmax
摘要
背景：蛋白质功能研究有助于理解细胞内发生的复杂生物过程。然而，蛋白质结构和功能的复杂性，以及蛋白质序列数据的快速增长，对开发高效的计算方法以进行准确的蛋白质注释提出了紧迫的挑战。结果：在本研究中，我们提出了ENGINE，一个用于稳健蛋白质功能预测的多通道深度学习框架。ENGINE集成了一个等变图卷积网络模型来捕获蛋白质3D结构的几何特征，利用大型语言模型ESM-C编码进化和序列衍生信息，并结合了一种创新的3D序列表示，统一了空间和序列信号。我们证明，ENGINE在多个蛋白质功能预测基准上持续超越当前最先进的方法，展示了稳健的泛化能力和高预测准确性。除了性能，ENGINE还提供了对关键序列特征和结构基序的可解释性见解，能够识别蛋白质内功能关键的残基和子结构。这促进了对蛋白质功能注释结果更深入的理解，并支持下游生物学研究的假设生成。结论：通过提供具有生物学可解释性的可靠预测，ENGINE有助于推进细胞过程和疾病机制的研究。该模型可在GitHub (https://github.com/ABILiLab/ENGINE) 和Zenodo (https://doi.org/10.5281/zenodo.17221153) 上获得，为更广泛的科学界提供了有价值的工具。补充信息：在线版本包含补充材料，可在10.1186/s13059-025-03886-y获取。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何整合蛋白质序列和三维结构信息以实现准确且可解释的蛋白质功能预测？
- 核心机制
- ENGINE通过多通道融合策略（EGNN结构通道、ESM-C序列通道、Foldseek 3Di序列通道）综合蛋白质的结构、序列和进化信息，从而提升功能预测的性能和鲁棒性。
- 主要证据
- 在包含36,641条蛋白质序列的DeepFRI数据集上，ENGINE在MF、BP、CC三个本体上取得了较高的AUC值（分别为0.9253、0.8708、0.9206），并通过消融实验和案例研究证明了各通道的贡献。
- 研究意义
- ENGINE为蛋白质功能注释提供了高效且可解释的工具，有助于功能特征化、靶点发现和药物发现等研究。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
蛋白质结构预测与图构建
获得蛋白质的三维结构并构建图表示，以捕获空间关系。
使用ESMFold预测蛋白质三维结构，基于KNN算法构建蛋白质图，节点为氨基酸，边表示空间邻近关系。
多通道特征提取
从不同模态提取蛋白质特征，以获得互补信息。
分别使用EGNN提取结构特征，ESM-C提取序列特征，Foldseek提取3Di token特征。
特征融合与分类
融合多通道特征并预测GO术语置信度。
将三个通道的特征拼接，通过多层感知机分类层输出每个GO术语的置信度分数。
模型评估
评估ENGINE的性能并与现有方法比较。
在测试集上计算Fmax、AUC和AUPRC，并与七个公开方法（如FunFams、DeepFRI等）比较。
消融实验
评估各通道对模型性能的贡献。
通过移除不同通道构建变体，比较性能变化。
序列同一性和结构相似性分析
评估模型对低同源性和低结构相似性蛋白质的泛化能力。
将测试集按序列同一性阈值分组（30%、40%、50%、70%、95%）比较AUC；用TM-score评估结构相似性并分层比较性能。
可解释性分析
识别功能重要的残基和子结构，并探索与已知功能域和突变的关系。
使用GNNExplainer计算节点和边重要性分数，识别功能子结构；计算残基注意力权重以定位关键残基；并与BioLiP数据库注释比较，分析突变位点。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
蛋白质结构预测
蛋白质图构建
模型训练与优化
可解释性分析
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据集构建 | 数据集来源DeepFRI，序列同一性阈值95%，训练/验证/测试集比例80%/10%/10% 阅读提示：Methods - Data collection |
| 蛋白质结构预测与图构建 | ESMFold预测结构，KNN图构建参数（k值和距离阈值）未明确 阅读提示：Methods - Data collection, Graph construction |
| 多通道特征提取 | EGNN层数、隐藏维度；ESM-C模型版本（6B）；3Di token嵌入维度（128） 阅读提示：Methods - E(n)-equivariant graph neural network, Embedding of 3Di tokens, ESM-C protein representations |
| 模型训练 | 学习率0.0001，优化器Adam，损失函数交叉熵，dropout比例未明确 阅读提示：Methods - Model training and evaluation |
| 评估 | 评估指标Fmax、AUPRC、AUC，测试集划分方式 阅读提示：Methods - Model training and evaluation |