
-
生物通官微
陪你抓住生命科技
跳动的脉搏
TraSPIN:用于膜转运蛋白底物特异性预测的几何深度学习框架
《Genome Biology》:TraSPIN: inferring transporter specificity through language model-guided graph learning
【字体: 大 中 小 】 时间:2026年10月16日 来源:Genome Biology 9.2
编辑推荐:
摘要膜转运蛋白介导细胞的化学交换,然而其底物特异性仍缺乏充分的表征,且膜蛋白的不稳定性限制了实验研究的开展。现有的计算工具往往仅针对狭窄的底物类别,或难以泛化到远缘同源物。我们提出了一种名为 TraSPIN 的几何深度学习框架,可同时建模转运蛋白和小分子底物。TraSPIN
膜转运蛋白介导细胞的化学交换,然而其底物特异性仍缺乏充分的表征,且膜蛋白的不稳定性限制了实验研究的开展。现有的计算工具往往仅针对狭窄的底物类别,或难以泛化到远缘同源物。我们提出了一种名为 TraSPIN 的几何深度学习框架,可同时建模转运蛋白和小分子底物。TraSPIN 的性能优于现有方法,能够泛化至未见过的底物和序列差异较大的转运蛋白,并揭示了转运蛋白与底物识别的结构决定因素和序列基序。跨物种推理以及对未表征溶质载体蛋白的去孤儿化进一步证明了该方法在探究转运蛋白特异性和加速功能注释方面的应用价值。
膜转运蛋白介导细胞的化学交换,然而其底物特异性仍缺乏充分的表征,且膜蛋白的不稳定性限制了实验研究的开展。现有的计算工具往往仅针对狭窄的底物类别,或难以泛化到远缘同源物。我们提出了一种名为 TraSPIN 的几何深度学习框架,可同时建模转运蛋白和小分子底物。TraSPIN 的性能优于现有方法,能够泛化至未见过的底物和序列差异较大的转运蛋白,并揭示了转运蛋白与底物识别的结构决定因素和序列基序。跨物种推理以及对未表征溶质载体蛋白的去孤儿化进一步证明了该方法在探究转运蛋白特异性和加速功能注释方面的应用价值。