METFAN：通过适配器网络实现多源增强治疗性肽功能预测

《ACS Omega》：METFAN: Multisource Enhanced Therapeutic Peptide Function Prediction via Adapter Network

多功能治疗肽（MTPs）因多标签特性和类别不平衡挑战，传统预测方法存在局限性。本文提出METFAN模型，整合TextCNN提取的本地序列特征（如2-5核卷积）与ESM2、ProtT5的预训练全局语义嵌入，通过特征优化模块（非线性变换、残差连接、通道注意力）适配下游任务，并采用多源特征聚合网络（FAN）迭代优化融合特征。实验表明，METFAN在测试集上达到样本级精度0.623和标签级F1值0.522，优于所有对比方法，尤其在低频类别（如QSP）中表现突出，验证了多源特征融合与优化策略的有效性。

　　在现代医学研究中，治疗性肽（Therapeutic Peptides, TPs）因其独特的生物活性和潜在的治疗价值，逐渐成为精准医疗和靶向治疗的重要方向。治疗性肽由短链氨基酸组成，能够参与免疫调节、抗感染反应、激素信号传递以及细胞凋亡等关键的生物学过程。相比传统的小分子药物和基于蛋白质的生物药物，治疗性肽在合成可得性、组织渗透性和药代动力学方面表现出色，同时保留了大分子药物的靶向性、生物相容性和可调生物活性等优势。此外，它们的低毒性、高靶向选择性和化学可修饰性，使其在癌症、传染病和神经疾病等临床领域得到广泛应用。

然而，治疗性肽的多功能性特征也带来了显著的挑战。许多治疗性肽具有多标签特性，即能够执行多种生物学功能，这使得准确的计算预测变得复杂。传统的预测方法通常依赖手工构建的特征工程，导致效率低下且对序列语义的理解有限。此外，这些方法在多标签分类任务中表现不佳，无法有效捕捉标签间的依赖关系，模型功能共现，且难以处理标签不平衡问题。这限制了它们在实际生物学场景中对多功能肽的适用性。

为了解决上述问题，本文提出了一种名为“多源增强治疗性肽功能预测通过适配器网络”（Multisource Enhanced Therapeutic Peptide Function Prediction via Adapter Network，简称 METFAN）的深度学习模型。该模型通过整合多源特征表示和定制化的优化与聚合策略，为治疗性肽的预测提供了一个新颖而有效的框架。具体而言，METFAN结合了由多尺度 TextCNN 捕捉的局部序列特征和由两个预训练的蛋白质语言模型 ESM2 和 ProtT5 提取的全局语义嵌入。由于 ESM2 和 ProtT5 的原始嵌入在大多数功能类别中表现不佳，我们设计了一个特征优化模块来改进这些嵌入，从而增强其敏感性和判别能力，同时保持某些类别中的鲁棒性。此外，一个特征聚合网络有效整合了异构特征，吸收了互补的优势，并减少了冗余。

实验结果表明，METFAN 在样本级准确率和标签级 F1 分数方面均优于当前最先进的方法，分别达到了 0.623 和 0.522。此外，METFAN 在严重的标签不平衡条件下展现出更强的鲁棒性和泛化能力。整体而言，METFAN 为治疗性肽预测提供了一个全新的框架，并为肽功能筛选和机制研究奠定了坚实的基础。研究数据和代码已公开发布于 GitHub 平台（https://github.com/szlstart/METFAN）。

### 治疗性肽的功能多样性与预测挑战

治疗性肽的功能多样性是其研究与应用的一大特点。由于它们能够影响多个生物学过程，因此在设计多靶点药物和治疗复杂疾病方面具有巨大潜力。然而，这种多样性也带来了预测上的挑战。首先，治疗性肽的功能分类通常存在标签不平衡问题，即某些功能类别中的样本数量远多于其他类别。这导致传统的机器学习模型在预测这些稀有类别时表现不佳，因为它们倾向于学习多数类的特征，而忽视了少数类的细微差别。其次，治疗性肽的多功能性使得标签之间的依赖关系复杂，这要求预测模型不仅能够识别单一功能，还需处理多标签间的相互作用。传统的二分类模型无法满足这一需求，而多标签分类模型在处理这些复杂依赖关系时也面临一定的困难。

此外，治疗性肽的序列长度较短，通常少于 50 个氨基酸，这使得其在序列结构上缺乏长距离依赖的特征，进一步增加了功能预测的难度。为了应对这些挑战，研究者们提出了多种方法，包括基于特征工程的传统机器学习模型和基于深度学习的模型。其中，基于深度学习的模型通过端到端学习，能够更有效地捕捉序列中的复杂模式。然而，现有模型在处理多标签和不平衡数据时仍存在一定的局限性。

### 多源特征表示与特征优化模块

为了提升治疗性肽功能预测的性能，METFAN 采用了多源特征表示策略。具体而言，该模型结合了三种不同的特征提取方法：TextCNN、ESM2 和 ProtT5。TextCNN 通过多尺度卷积核提取局部结构特征，能够有效捕捉短肽序列中的功能模体、疏水区域和保守残基组合等信息。ESM2 和 ProtT5 则是基于 Transformer 架构的预训练蛋白质语言模型，能够提供丰富的全局语义嵌入。然而，这些预训练模型的嵌入在多数功能类别中表现不佳，可能包含任务无关或冗余的信息，从而影响预测性能或导致过拟合。

为了解决这一问题，METFAN 引入了一个特征优化模块。该模块通过非线性变换、残差增强和通道注意力机制，对原始嵌入进行优化，以提升其与下游分类任务的对齐度。优化后的嵌入不仅能够减少冗余，还能增强任务相关的判别能力。这一优化过程显著提升了 ESM2 和 ProtT5 的性能，使得它们在多标签分类任务中表现更优。

### 特征聚合网络的作用

在特征提取和优化阶段，METFAN 将 TextCNN 提取的局部特征与优化后的 ESM2 和 ProtT5 全局嵌入进行融合。为了有效整合异构特征，减少冗余，并增强跨源交互，研究者设计了一个特征聚合网络（Feature Aggregation Network, FAN）。FAN 通过迭代的残差前馈变换和归一化操作，逐步重新加权不同特征源的互补信息，同时削弱冗余信号。这一过程使得最终的聚合特征更具信息性和鲁棒性，从而提升模型在下游预测任务中的表现。

通过对比实验，FAN 在多个功能类别中展现出显著的优势。例如，在处理高样本类别（如 AMP、TXP、ABP 等）时，FAN 能够提升模型的预测能力；而在处理低样本类别（如 QSP）时，FAN 也能显著改善模型的性能。这些结果表明，FAN 在整合不同特征源时具有良好的适应性和泛化能力，能够有效提升模型的整体性能。

### 多标签分类与标签不平衡的处理

在多标签分类任务中，标签之间的依赖关系和分布不平衡是两个主要挑战。传统的二分类方法无法处理多标签任务，而多标签分类模型在处理标签不平衡时也面临困难。为了应对这些挑战，METFAN 引入了一种多标签 Focal Dice Loss（MLFDL）作为损失函数。MLFDL 结合了 Focal Loss 和 Dice Loss 的优势，能够有效处理难以分类的样本和类别不平衡问题。通过对比实验，MLFDL 在多个功能类别中均表现出色，使得 METFAN 在样本级准确率和标签级 F1 分数方面均优于其他方法。

此外，METFAN 还通过实验验证了其在极端标签不平衡情况下的鲁棒性。例如，在处理少数类别的预测任务时，模型能够保持较高的准确率和 F1 分数，这表明其在处理不平衡数据方面具有较强的能力。这种能力对于治疗性肽的功能预测尤为重要，因为某些功能类别可能在实际应用中更为罕见。

### 与现有方法的对比分析

为了验证 METFAN 的整体有效性，研究者将其与多个现有方法进行了对比分析。这些方法包括传统的二分类模型（如 PEPred-Suite、PPTPP 和 TPpred-ATMV）以及基于深度学习的多标签分类模型（如 PrMFTP、iMFP-LG、ETFC、PSCFA、TPpred-LE 和 TPpred-SC）。实验结果表明，METFAN 在所有功能类别和评估指标中均优于这些方法。例如，在样本级准确率和标签级 F1 分数方面，METFAN 分别达到了 0.623 和 0.522，显著高于其他模型的性能。

在处理多功能肽时，METFAN 的表现尤为突出。通过案例研究，METFAN 能够准确识别具有多个功能标签的肽，例如在五功能肽的预测中，METFAN 的准确率达到 100%，而其他模型则未能达到这一水平。这表明，METFAN 在处理复杂多标签任务时具有较强的适应性和泛化能力。

### 临床意义与未来展望

准确识别多功能治疗性肽对于药物开发具有重要意义。多功能肽能够同时作用于多个靶点，从而在设计多靶点药物和治疗复杂疾病（如癌症和免疫性疾病）方面具有优势。例如，多功能抗菌肽不仅具有直接的抗菌作用，还能调节宿主免疫反应，这使其在免疫治疗和感染控制中具有应用潜力。同样，多功能抗肿瘤肽能够在抑制肿瘤生长的同时增强免疫激活，从而提供协同治疗效果。

尽管 METFAN 在治疗性肽预测中表现出色，但仍存在一些局限性。首先，当前的基准数据集存在标签不平衡问题，且高多功能肽的数量有限，这可能限制了模型在稀有类别中的泛化能力。其次，研究主要依赖于序列衍生的特征，未来的工作可以探索结合结构先验、图表示或知识引导的约束，以进一步提升模型的可解释性和泛化能力。这些改进方向将有助于增强 METFAN 的适用性，并扩展其在不同生物活性肽类别中的应用。

总之，METFAN 提供了一个新颖且有效的深度学习框架，能够处理治疗性肽预测中的多标签性和标签不平衡问题。其在多个功能类别中的表现验证了其在实际应用中的潜力，同时也为未来的改进提供了方向。