AmpHGT：基于多视角异构图Transformer的非经典氨基酸抗菌肽预测新方法

本研究针对传统抗菌肽(AMP)预测模型无法有效处理非经典氨基酸(NCAAs)的局限，开发了基于异构图Transformer的深度学习模型AmpHGT。该模型通过原子、片段、残基等多视角表征，在经典氨基酸(CAA)基准测试中达到SOTA水平，首次实现含NCAAs肽类的高效分类，为新型抗生素设计提供了重要筛选工具。

　　

抗生素耐药性危机正成为全球健康重大威胁，仅2019年就有约495万人死于耐药菌感染。传统"Waksman平台"的抗生素发现模式日渐式微，而抗菌肽(AMP)因其独特膜破坏机制和低耐药性备受关注。然而，现有AMP预测模型大多局限于20种经典氨基酸(CAA)，无法处理日益重要的非经典氨基酸(NCAAs)——这类修饰氨基酸能显著提升肽类稳定性和抗菌活性，在天然抗生素如万古霉素(Vancomycin)、泰克索巴汀(Teixobactin)中广泛存在。更棘手的是，当前预测方法多依赖预定义特征描述符或单字母编码系统，既不能捕捉NCAA的化学结构特性，也难以适应α、β、γ等不同骨架构型的肽类。

针对这一技术瓶颈，四川农业大学的研究团队在《BMC Biology》发表了创新性研究成果。他们开发的AmpHGT模型，首次将多视角异构图Transformer应用于AMP预测领域。该研究通过整合ESM2蛋白质语言模型的序列嵌入与分子图结构表征，构建了包含原子、片段、残基和连接关系的四级异构图网络，特别是提出的"侧链均分片段化"(FraSCESS)策略，有效解决了NCAA的化学结构表示难题。研究证实，AmpHGT在经典氨基酸测试集(XUAMP)上的准确率达73.65%，与当前最佳模型TP-LMMSG相当；更重要的是，在含NCAA的独立测试集上，其分类性能比ESM2零样本预测提升10%，为含修饰氨基酸的抗菌肽设计提供了首个可靠的计算筛选工具。

关键技术方法包括：1)从DBAASP和UniProt数据库构建含7532条NCAA肽序列的数据集；2)开发FraSCESS算法实现肽分子的多级图结构表征；3)整合ESM2(esm2_t33_650M_UR50D)的预训练嵌入；4)采用改进的PharmHGT编码器进行多视角消息传递；5)通过GRU图读出机制融合序列与结构特征。

【性能基准测试】在经典氨基酸基准测试中，AmpHGT在XUAMP测试集上达到0.7365准确率和0.5047 MCC，与TP-LMMSG相当；在AMPDiscover测试集上以91.73%准确率位列第二。特别值得注意的是，模型对含修饰氨基酸肽类的分类表现出色：在零样本设置下，对NCAA独立测试集的预测准确率达89.03%，较ESM2提升0.8%；经过联合训练后，性能进一步提升至92.85%，显著优于ESM2的83.59%。

【NCAA数据集分析】研究揭示了训练数据的关键特征：阳性序列中二氨基丁酸(Dab)、鸟氨酸(Orn)和正亮氨酸(Nle)占NCAA总数的27.1%，符合抗菌肽工程常用策略；而阴性序列中4-天冬氨酰磷酸(4-Appp)单独占比达58.6%。长度分析显示阳性序列平均仅13个残基，远短于阴性序列的47个，但研究者创新性地采用联合训练策略缓解了长度偏差的影响。

【消融实验】通过系统消融分析证实：1)ESM2预训练模型的引入使准确率提升5%；2)GRU读出机制优于均值/最大值池化；3)残基级子图的加入贡献了2.3%性能增益。最佳配置(AmpHGT_GRU)通过双线性融合将图表示与标记特征结合，最终MLP分类器的AUC达0.9796。

研究结论指出，AmpHGT的创新性主要体现在三个方面：首先，突破了传统方法对NCAA的表征限制，支持600余种修饰氨基酸的处理；其次，通过异构图建模实现了从原子到残基的多尺度特征学习；最后，轻量级架构避免了3D结构预测的计算开销。在讨论部分，作者坦承当前模型对环肽等复杂结构的处理仍存局限，但强调其已为含NCAA的抗菌肽发现建立了可靠框架。这项工作不仅为抗生素耐药危机提供了新的计算解决方案，更为重要的是，开创了将异构图神经网络应用于修饰肽类研究的先河，为后续开发支持环化修饰、二硫键等复杂结构的预测模型奠定了基础。