基于双向交叉注意力的细菌特异性药物代谢预测模型研究

《Briefings in Bioinformatics》：Prediction of bacteria-specific drug metabolism using a cross-attention-based model

　　

摘要专业翻译 肠道微生物对药物的代谢具有细菌特异性，可产生具有临床意义的后果，包括前药激活、药物失活以及毒性代谢物生成。然而，现有计算方法主要聚焦于群落水平预测或药物对微生物的作用效应，未能解析单个细菌菌株的代谢贡献，也未考虑药物-细菌互作的双向性质，尽管计算框架已有所进展。本研究提出一种双向交叉注意力架构——多模态Bi-MHA（bidirectional multi-head attention），该模型整合了来自预训练模型的原子级分子嵌入与蛋白质级细菌嵌入，生成用于分类的联合表征。该模型采用可靠性分层和λ缩放损失函数（λ-scaled loss function）在训练数据集上开发，并在三个未见任务中取得了一致的性能：未见药物（受试者工作特征曲线下面积[ROC AUC]：0.690）、未见细菌（ROC AUC：0.920）和未见互作（ROC AUC：0.949），在秩和指标（rank-sum metric）中位列所有对比模型之首。在预测之外，基于注意力的分析不仅指出了此前研究中经实验验证的酶促反应位点，还优先排序了候选细菌蛋白，在原子和蛋白质两个层面均展现了可解释性。该模型在包含85对分布外（out-of-distribution）药物-细菌对的外部验证数据集上，相较KNN（k-nearest neighbors）基线在准确率上提升了15个百分点。此外，该模型通过加权丰度流程（weighted-abundance pipeline）在独立微生物组数据集上扩展至群落水平预测，作为概念验证应用。上述结果表明，该模型具有作为药物安全性评价和个性化医疗可解释筛选工具的潜力。源代码可在https://github.com/Jaehyeon-O-Ob/Bacteria-Specific_Drug_Metabolism获取。

论文解读

一、研究背景与问题

口服药物在进入人体后，会不可避免地与肠道微生物发生接触，并被其代谢转化。肠道微生物通过还原、水解等多种代谢反应改变药物的结构和功能，这一过程被称为微生物介导的药物代谢（microbiota-mediated drug metabolism, MDM）。这种代谢具有重要的临床意义：其一，部分药物以前药（prodrug）形式给药，需经肠道菌代谢活化才能发挥疗效，如治疗溃疡性结肠炎和克罗恩病的柳氮磺吡啶需被代谢为5-氨基水杨酸（5-ASA）方能在结肠起效；其二，微生物代谢可降低药效，如约10%的患者体内，Eggerthella lenta可将地高辛还原为无活性的双氢地高辛；其三，代谢产物可能引发不良反应，如抗肿瘤药物CPT-11经羧酸酯酶水解为活性代谢物SN-38后导致肠损伤和腹泻。因此，肠道菌介导的药物代谢应在药物安全性评估、毒性预测和个性化给药策略中得到更充分的考虑。

然而，在蛋白质水平研究肠道微生物介导的药物代谢面临显著的实验限制。体外厌氧培养系统在实验设计上存在诸多技术挑战，且耗时耗力、成本高昂。计算方法可作为补充手段，但现有计算方法存在明显不足：早期研究依赖理化性质描述符或手工设计的指纹特征，难以充分捕捉复杂的结构和功能关系；已有深度学习模型虽引入预训练分子表征，但大多聚焦于药物对微生物的作用方向（如抗菌化合物发现），而微生物对药物的化学转化方向研究相对不足；更重要的是，现有模型多在肠道微生物群落水平运作，无法解析具体哪些细菌菌种参与了特定药物的代谢转化。此外，药物与细菌的互作本质上是双向的，现有方法未能充分建模这一特性。

二、研究内容与核心发现

针对上述问题，研究人员开发了多模态Bi-MHA模型，一种双向交叉注意力框架，能够在单个细菌菌株水平预测药物的代谢状态，并通过原子层面和蛋白质层面的注意力分析提供机制性可解释性。该模型在三个未见任务（未见药物、未见细菌、未见互作）上均取得了一致的高性能，在秩和指标中排名第一。在外部验证数据集中，模型较KNN基线在准确率上提升15个百分点。注意力分析不仅指出了经实验验证的酶促反应位点，还优先排序了候选细菌蛋白，展现了原子和蛋白质两个层面的可解释性。该模型还被扩展至群落水平预测，作为概念验证应用。

三、关键技术方法

研究人员构建了多模态表征体系：药物方面，使用RDKit计算217个理化描述符和ECFP4（Extended-Connectivity Fingerprints）指纹，并采用预训练的图同构网络模型MolE提取原子级分子嵌入；细菌方面，使用预训练蛋白质语言模型ESM-C 600M提取蛋白质嵌入，并构建KEGG（Kyoto Encyclopedia of Genes and Genomes）通路评分向量表征菌株代谢能力。模型采用双向多头交叉注意力模块，使药物原子令牌和细菌蛋白令牌相互关注，并融合KEGG通路信息形成联合表征，经MLP（multilayer perceptron）分类器训练优化注意力层后，提取精炼表征交由XGBoost（Extreme Gradient Boosting）分类器进行最终分类。训练数据来源于Zimmermann等人的研究，包含271种口服药物与71株肠道细菌菌株的19241对药物-细菌互作，标签依据药物适应性倍数变化阈值和FDR（false discovery rate）校正的q值进行可靠性分层，采用λ缩放损失函数和嵌套交叉验证框架进行模型开发与评估。

四、研究结果

数据探索。 19241对药物-细菌互作中，3473对为高可靠性数据点，其余15768对为低可靠性。高可靠性数据点以阳性标签为主（68%），低可靠性数据点以阴性标签为主（94.6%）。在271种药物中，7种被所有71株细菌代谢，66种不被任何菌株代谢，198种表现出菌株特异性代谢模式，证实了细菌特异性药物代谢的广泛存在。

模型评估。 多模态Bi-MHA模型在三个未见任务中表现一致：未见药物任务ROC AUC为0.690，未见细菌任务ROC AUC为0.920，未见互作任务ROC AUC为0.949，秩和指标1.78为所有模型中最低。对未见药物性能的分层分析表明，域内药物（Tanimoto相似度≥0.3）的ROC AUC（0.771）显著高于域外药物（0.668），说明模型性能的局限主要源于测试集中高比例的结构远缘化合物。

消融研究。 MolE嵌入在未见药物任务中取得最高MCC（0.279），优于理化描述符（0.265）和ECFP4指纹（0.165），且提供原子级可解释性；ESM嵌入性能与传统描述符相当，同时提供蛋白质级可解释性。采用全数据训练配合λ缩放损失未降低性能，反而在多数条件下取得相当或更高的分数。

外部验证。 在85对完全分布外的药物-细菌对中，81.2%的配对超过主数据集距离分布的90百分位，属于高度挑战性任务。多模态Bi-MHA模型仍取得ROC AUC 0.567、ACC 0.600，四项指标均高于KNN基线（ROC AUC 0.486、ACC 0.447），按菌株分层的平均准确率亦优于基线（0.597对0.518）。

案例研究。 蛋白质注意力排名的RBO（rank-biased overlap）分析显示，排名前5%和前10%的蛋白质在独立训练的折间具有显著高于随机基线的重现性；原子注意力扰动测试表明，随机打乱原子注意力权重显著降低预测性能（ROC AUC从0.715降至0.687，P < .001）。对地高辛、地尔硫卓和柳氮磺吡啶三个案例的分析中，EC（Enzyme Commission）富集分析识别出与各药物代谢机制直接或间接相关的酶类：地高辛的氧化还原酶（EC 1.3.1，富集4.93倍）、地尔硫卓的羧酸酯水解酶（EC 3.1.1，富集4.94倍）、柳氮磺吡啶的硫酯水解酶（EC 3.1.2，富集6.67倍）。原子注意力图谱分别突出了地高辛的α,β-不饱和内酯环、柳氮磺吡啶的偶氮键和地尔硫卓的乙酰氧基，均为已知的反应位点。

应用。 在独立粪便样本数据集中，通过基于科级分类的菌株映射捕获了91.8%的微生物组组成，采用加权丰度流程聚合菌株水平预测为群落水平预测，MDM+和MDM?药物的预测概率分布呈现清晰分离。

五、结论

该研究提出的多模态Bi-MHA模型在细菌特异性药物代谢预测方面展现了优越且一致的性能，同时通过原子和蛋白质层面的注意力分析提供了可解释性，能够识别反应相关分子区域并优先排序生物学上合理的候选蛋白。该模型可作为药物安全性评价和个性化医疗的可解释筛选工具，为药物-微生物互作研究提供了新的计算框架。