GraphPep：基于相互作用衍生图神经网络与蛋白质语言模型的蛋白-肽复合物评分框架

《Nature Machine Intelligence》：An interaction-derived graph learning framework for scoring protein–peptide complexes

本研究针对蛋白-肽相互作用预测数据稀缺的难题，开发了基于相互作用衍生图神经网络（GraphPep）的评分框架。该模型以相互作用为图节点，结合ESM-2蛋白质语言模型，显著提升了蛋白-肽复合物结合模式预测的精度与鲁棒性，为肽类药物研发提供新工具。

　　

GraphPep提出了一种创新性的相互作用衍生图学习框架，通过将蛋白-肽相互作用（而非传统原子或残基）作为图神经网络（Graph Neural Network）的节点，并结合ESM-2蛋白质语言模型（Protein Language Model）的强大表征能力，实现对蛋白-肽复合物的精准评分。该框架在损失函数中聚焦于残基-残基接触（residue–residue contacts），而非单一肽链均方根偏差（root mean square deviation），从而有效捕捉关键相互作用并缓解训练数据不足的问题。研究团队利用多种蛋白-肽对接程序和AlphaFold生成的多样化诱饵集进行评估，结果表明GraphPep在准确性和鲁棒性上均优于现有前沿方法，为肽类药物开发提供了可靠的计算工具。