基于Mamba与三角几何约束的蛋白质链间残基接触预测新方法

《Computational Biology and Chemistry》：Inter-chain contact prediction based on Mamba and triangular geometric constraints

本文提出基于状态空间模型（Mamba）的蛋白质链间残基接触预测框架MaMCon，通过三角几何约束模块增强残基对表征，有效解决长序列建模难题。在TEST300等基准数据集上验证了其超越现有方法的性能，为蛋白质相互作用（PPI）研究提供新工具。

　　

Highlight

方法

本节提出了一种新颖的蛋白质链间残基接触预测框架。以下首先介绍预测框架的整体设计，随后详细阐述各模块的功能与作用机制，最后给出框架采用的损失函数。

数据集

本研究采用广泛使用的DeepHomo数据集（Yan和Huang，2021）。该数据集包含3532个同源二聚体的训练集、300个同源二聚体的验证集及300个同源二聚体的测试集。数据集构建时，研究者首先从PDB数据库中筛选具有C2对称性、分辨率优于3.0 ?且生物单元仅含两条蛋白链的同源二聚体（蛋白链长度≥40）。

结论

为预测链间残基-残基接触，本文提出基于Mamba和三角几何约束的深度预测框架MaMCon。该框架主要由MaM1D模块、MaM2D模块、三角乘法更新模块和三角自注意力模块构成。其中，MaM1D与MaM2D模块通过采用Mamba模型高效捕获蛋白链内残基间的长程相互作用；三角乘法更新模块则有效稳定残基间的三角几何一致性。