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。
GTT-EC: a hierarchical graph transformer framework for enzyme function prediction via functional residue modeling
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。
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)
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
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
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。
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。
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。
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。
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。
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。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |