GTT-EC:通过功能残基建模预测酶功能的层次图Transformer框架

GTT-EC: a hierarchical graph transformer framework for enzyme function prediction via functional residue modeling

作者信息Zihan Luo, Yuhang Liu, Xiangrong Liu, Leyi Wei
PMID43021374
发布时间2026-08-18
DOI10.1186/s13059-026-04232-6

实验完整度

中

构建蛋白质图并整合序列与结构特征,进行消融实验、序列同源性鲁棒性测试、结构扰动实验和案例解释性分析,但缺乏湿实验功能验证。

主要模型

NEW-392独立测试集(392条酶序列,177个EC编号) 训练集(超过70,000条酶序列,70%相似性聚类) UniProt酶序列数据集(超过220,000条序列)

重点核对

NEW-392测试集包含392条酶序列,覆盖177个不同EC编号 训练集基于70%序列相似性聚类阈值构建,超过70,000条序列 消融实验采用五折交叉验证评估各模块贡献 序列同源性鲁棒性评估使用MMseqs2在50%、70%、90%相似性阈值下进行聚类交叉验证 结构扰动实验在训练阶段向3D坐标添加标准差为0.15 Å的高斯噪声

摘要

当前的酶委员会(EC)编号预测方法通常依赖功能残基注释且缺乏鲁棒性。在此,我们提出GTT-EC,一种用于EC编号预测的层次图Transformer框架。GTT-EC无需显式残基注释,通过构建蛋白质图整合序列和结构特征来学习判别性表示。此外,它利用注意力机制捕获长程相互作用并动态聚焦关键功能区域。实验表明,GTT-EC在不同序列相似性下的准确性和鲁棒性均优于最先进方法。重要的是,它无需先验位点输入即可有效识别功能区域,展示了下游应用的广泛潜力。

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
如何在不依赖显式功能位点注释的情况下,准确预测酶的EC编号并识别关键功能区域。
核心机制
GTT-EC通过三通路残基图编码器(包含CRAC、DRIT和CRA模块)和动态查询注意力解码器,整合序列与结构特征,捕获局部几何相互作用和全局功能依赖,并利用标签扩散机制优化预测。
主要证据
在NEW-392独立测试集上,GTT-EC的Micro-F1达到0.645,优于Graph-EC(0.566)和CLEAN(0.611);在不同序列相似性阈值和结构扰动下保持鲁棒性;无需位点监督即可识别已知功能残基(如蛋白A0A1D8PLI2中识别出9个已知功能位点中的8个)。
研究意义
GTT-EC提供了一种可扩展的策略,有助于弥合未注释序列与功能性酶标签之间日益增长的差距,并在蛋白质工程、药物发现和生物催化等领域具有应用潜力。

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。

1

数据收集与预处理

构建训练和独立测试数据集,并消除序列和结构域同源性。

从UniProt收集超过220,000条酶序列,基于70%序列相似性聚类构建超过70,000条序列的训练集;使用NEW-392数据集(392条序列,177个EC编号)作为独立测试集;采用严格的域感知过滤协议排除与训练集存在序列同一性≥阈值且域覆盖≥0.50的测试蛋白。

2

特征提取与图构建

从酶序列和预测结构中提取多维特征,构建蛋白质图。

使用预训练ProtTrans生成残基序列嵌入,使用ESMFold预测3D空间结构;融合多模态表示构建酶图,节点和边初始化为多维空间和生化特征(原子距离、角度、方向信息);残基间相互作用使用k-NN图建模。

3

图编码与特征更新

通过三通路残基图编码器捕获局部和全局结构上下文。

节点更新动态整合CRAC模块(建模功能口袋内相邻残基局部相互作用)、DRIT模块(捕获远距离结构域间稳定长程依赖)和CRA模块(对非功能区域进行上下文化);边更新通过拼接连接节点表示和对应边特征获得更新边嵌入;全局交互通过门控机制聚合全局上下文。

4

EC编号预测与残基权重提取

生成EC编号预测并提取残基重要性权重用于可解释性分析。

Transformer解码器使用动态查询机制聚合精炼嵌入并计算初始EC编号概率;同时生成残基重要性权重;注意力权重在解码器各层聚合,最终层注意力权重在注意力头上平均以评估残基重要性。

5

标签扩散优化

通过同源网络传播标签精炼初始预测。

使用Diamond将测试蛋白与训练蛋白比对,构建同源网络(加权图);引入加权Jaccard指数反映共享邻居;通过优化目标函数获得标签向量,最终预测以闭式解形式获得。

6

模型评估与鲁棒性验证

评估预测性能、鲁棒性和可解释性。

在NEW-392测试集上与CLEAN、Graph-EC、ProteInfer和ECPICK比较;进行五折交叉验证消融实验;使用MMseqs2在50%、70%、90%相似性阈值下进行聚类交叉验证;引入坐标扰动(高斯噪声σ=0.15 Å);按pLDDT阈值82划分高/低置信度子集评估结构预测质量影响;可视化功能位点注意力权重。

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。

产品清单

实验环节名称品牌货号
ProtTrans----
ESMFold----
Diamond----
MMseqs2----

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
训练集序列相似性聚类阈值70%;NEW-392测试集392条序列覆盖177个EC编号;域感知过滤序列同一性阈值范围和域覆盖≥0.50
阅读提示:Methods中Data collection and preprocessing小节
图构建与特征提取
k-NN图半径10 Å;最大邻居数200;ProtTrans序列嵌入;ESMFold结构预测;DSSP二级结构注释
阅读提示:Methods中Building atom features、Atomic edge features和Atomic node features小节
模型训练与损失函数
二元交叉熵损失;标签总数N=5089;标签扩散正则化系数λ;训练/验证划分方式
阅读提示:Methods中Loss function和Label diffusion小节
鲁棒性评估
MMseqs2聚类相似性阈值50%、70%、90%;坐标扰动高斯噪声标准差0.15 Å;pLDDT阈值82
阅读提示:Results中GTT-EC maintains robust performance across diverse sequence homologies and structural perturbations小节及Fig. 3图注
消融实验
五折交叉验证策略;依次移除DRIT、CRAC、CRA模块;移除ProtTrans序列特征或标签扩散机制
阅读提示:Results中GTT-EC architectural components are validated through ablation studies小节及Fig. 2d、2f图注