《Digital Discovery》：UniDTI: a multi-modal and multi-scale unified framework for predicting drug–target interactionsOpen Access
编辑推荐：
准确识别药物–靶标相互作用（drug–target interactions, DTIs）是现代药物发现的核心，但由于分子识别在异质的化学与生物学尺度上均有表征，该任务仍具挑战性。本文提出UniDTI，一个统一的深度学习框架，它将互补的药物表征（SMILES与
准确识别药物–靶标相互作用（drug–target interactions, DTIs）是现代药物发现的核心，但由于分子识别在异质的化学与生物学尺度上均有表征，该任务仍具挑战性。本文提出UniDTI，一个统一的深度学习框架，它将互补的药物表征（SMILES与IUPAC序列、原子级与亚结构级图、ECFP指纹以及理化描述符）与蛋白质序列特征及AlphaFold2/P2Rank衍生的口袋图相整合。跨模态融合阶段采用并改进了先前基于意图的DTI工作中所使用的双向意图网络（Bidirectional Intention Network, BIN）形式，而UniDTI的主要贡献在于将这一相互作用算子与远为丰富的多模态、多尺度表征流水线耦合于单一端到端模型中。在BindingDB、BioSNAP、Davis、DRH以及聚焦GPCR的GLASS基准上，UniDTI在所评估的设置下提供了具有竞争力或领先的性能。冷药物、冷靶标、低数据以及跨域实验进一步支持了其可迁移性，尽管性能依赖于基准与划分方式，且并非在所有基线比较中均占优。作为实际演示，UniDTI被用作针对μ-阿片受体（μ-opioid receptor, MOR）的虚拟筛选流程的第一阶段，随后经实验测试鉴定出两个活性化合物。这些结果支持UniDTI作为一个集成的DTI预测与优先级排序框架，同时也界定了开展更严格的骨架/家族层面分布外评估以及更广泛前瞻性验证的必要性。
**研究背景与问题提出**
药物–靶标相互作用（drug–target interactions, DTIs）的计算机预测已成为早期药物发现的关键环节，可在减少资源密集型实验筛选依赖的同时高效探索庞大的化学与生物学空间。尽管深度学习进展迅速，准确建模DTIs仍面临根本性挑战，其原因在于分子识别具有复杂的多尺度特性，涵盖原子相互作用、官能团组织以及全局构象约束。现有DTI模型的主要局限在于依赖简化且同质的表征：药物分子常被编码为SMILES序列或原子级图，蛋白质表征则常局限于一维氨基酸序列。此类形式忽略了分子结构的层次化组织，未能捕捉蛋白质结合口袋的空间与理化语境。尽管近期工作引入了结构信息，但这些方法通常在尺度整合上受限，或未能充分利用序列、拓扑与全局描述符之间的互补性。同样重要的是，相互作用建模过程必须在不丢弃模态特异信息的前提下整合异质的药物与蛋白质表征；现有模型采用拼接、双线性池化、交叉注意力或相关特征交互算子，其中方向特异的条件化是一种有用的建模选择，因为药物表征可在蛋白质表征的语境下更新，反之亦然，但这种学习到的方向性应被解释为预测性表征机制而非对物理结合过程的直接模拟。为此，研究人员提出UniDTI，一个整合药物与蛋白质多模态多尺度表征的统一深度学习框架。药物编码方面，UniDTI结合基于序列的表征（SMILES与IUPAC）、原子与亚结构层次的层次化图结构以及全局分子描述符；蛋白质方面，它将源自AlphaFold2（AF2）模型的结构感知口袋图与序列级基序表征相结合。因此，UniDTI的方法学重点在于将这些异质表征整合于统一的端到端预测框架之中，相互作用组件作为这一更广阔表征框架的有机组成部分，而非新提出的相互作用机制。跨模态融合方面，UniDTI采用基于先前所述意图算子的双向意图网络（BIN），并已在BINDTI框架中使用；研究人员保留了核心的双向意图形式，但将其应用于UniDTI融合后的多粒度药物编码器与双结构/序列蛋白质编码器之后。因此，与BINDTI的区别主要在于输入表征及其多尺度整合：BINDTI将相对简单的药物GCN与蛋白质CNN特征耦合至BIN，而UniDTI为BIN提供序列、层次化图、全局分子、蛋白质口袋以及蛋白质序列特征。研究人员在BindingDB、BioSNAP、Davis、DRH以及GPCR特异的GLASS数据集上采用随机域内划分进行评估，并在可获得时采用实体级冷药物/冷靶标与跨域设置。这些评估探查了若干形式的迁移，但其本身并不能确立骨架级或蛋白质家族级的分布外泛化。除基准测试外，研究人员通过MOR虚拟筛选及对所选候选物的功能测试评估了实际适用性。通过在共同预测流水线中整合异质表征，UniDTI为DTI预测与化合物优先级排序提供了实用框架；学习到的融合权重的生物学解释以及对真正新颖化学骨架或远缘蛋白质家族的泛化程度仍有待进一步验证。
**关键技术方法**
研究采用五个已建立的DTI基准数据集（BindingDB、BioSNAP、DRH、Davis及聚焦GPCR的GLASS）进行评测，主域内实验按8∶1∶1随机划分训练、验证与测试集，并区分实验测定的非活性、混合构建与采样推定负样本三类标签定义；在可获得时开展实体级冷药物/冷靶标划分以及BioSNAP与DRH之间的跨域迁移实验，最终性能以五次独立运行的均值±标准差报告。模型以PyTorch实现，图操作由DGL/DGL-LifeSci提供，深度学习实验在配备四块NVIDIA GeForce RTX 3090 GPU（每块24 GB）的工作站上执行。药物编码整合SMILES与IUPAC双模态序列嵌入、原子级与亚结构级层次化图（后者基于Ertl官能团EFGs提取并显式抽取环核组件）以及ECFP指纹与理化描述符构成的全局特征；蛋白质编码采用基于AF2预测结构与P2Rank v2.5.1（AlphaFold配置）预测口袋的稀疏残基图（8 ?距离阈值，保留排名前三口袋的残基集合并合并构图）以及Acmix基序编码器。跨模态融合采用双向意图网络（8头注意力、1层交叉意图层、隐藏维度128），最终经四层MLP解码器输出相互作用概率，以二元交叉熵损失与AdamW优化器训练100个epoch（批大小64，初始学习率5×10??，权重衰减1×10??，每25个epoch学习率衰减50%）。针对MOR的验证包括：以晶体结构PDB ID 7SBF为初始模型的100 ns分子动力学（MD）模拟（CHARMM-GUI Membrane Builder构建POPC膜体系、CHARMM36力场、GROMACS引擎、每体系三次独立平行运行）以及基于NanoBRET的功能测定（MOR-NanoLuc为能量供体、miniGi-Venus为能量受体，于稳定表达MOR-NanoLuc的HEK-293T细胞中检测）。
**研究结果**
*UniDTI在不同DTI情形下取得一致的性能提升*：研究人员在类分布各异的多个公共数据集（负样本占优的激酶聚焦Davis、正样本占优的GPCR聚焦GLASS、近似平衡的BioSNAP）上将UniDTI与代表性传统机器学习模型（LR、KNN、RF）及先进深度学习方法（MolTrans、DrugBAN、BINDTI）进行基准比较，结果表明在所评估的随机划分基准上UniDTI表现强劲，尤其在AUROC与AUPRC等阈值无关指标上；在非平衡的Davis数据集上平均AUROC达0.919、平均AUPRC达0.707，超过同基准设置下报告的BINDTI与DrugBAN值；在GLASS上平均AUROC为0.941、平均AUPRC为0.987，但鉴于正样本流行率高，AUPRC应结合AUROC、灵敏度/特异度及排序或富集性能共同考量；在BioSNAP上平均AUROC为0.918、平均AUPRC为0.921。这些结果说明统一表征在若干基准分布上有效，但随机域内实验应与明确界定的冷启动及跨域分析相区分。
*冷启动评估揭示依赖于设置的未见实体迁移*：研究人员在GLASS上评估暖启动、药物冷启动与蛋白质冷启动设置，结果显示性能随冷启动设置而变化；在GLASS药物冷启动实验中UniDTI取得AUROC 0.893与AUPRC 0.975，相对于BINDTI（0.903/0.978）与RF（0.904/0.976）具有竞争力，表明不同模型的有效性可随具体冷启动设置与评估情形而变化；在蛋白质冷启动设置下UniDTI仍属较强方法且性能退化小于若干基线，为GLASS基准内向未见靶标身份的迁移提供了证据，而对远缘蛋白质家族或低序列同一性靶标的迁移仍待进一步评估。
*UniDTI在数据稀缺下保持高预测能力*：研究人员使用逐步减少的标注数据比例（20%、40%、60%、80%）训练UniDTI与基线模型，结果显示在所有数据情形下UniDTI均取得最高的AUROC与AUPRC值；即使仅用20%数据训练，UniDTI仍保持稳健预测性能（平均AUROC 0.825、平均AUPRC 0.815），大幅优于竞争方法；该行为与集成表征在训练数据减少时保留有用信号相一致，但当前实验未分离出哪个单独组件负责数据效率，故解释为完整UniDTI流水线的性质。
*双向意图融合相对于所评估的融合基线改善预测*：研究人员将BIN与简单拼接（SC）、交叉注意力网络（CAN）及双线性注意力网络（BAN）比较，在所评估设置中BIN在这些融合替代方案中提供最强的总体AUROC/AUPRC，并在该比较中显示出有利的灵敏度同时保持特异度；该实验支持BIN作为UniDTI内有效的特征融合选择，但鉴于其基于既有意图方法且基线间缺乏参数匹配，不应被解读为新的相互作用机制。
*跨域评估证明学习表征的可迁移性*：研究人员在BioSNAP与DRH之间开展暖启动（E1）、药物冷启动（E2）与蛋白质冷启动（E3）设置下的跨域迁移实验，UniDTI在两个迁移方向上均表现强劲；暖启动设置下其性能与最强基线相当，并在若干冷药物与冷蛋白迁移场景中表现良好；例如BioSNAP→DRH药物冷启动设置下UniDTI取得最高平均AUROC（0.810）与平均AUPRC（0.828），DRH→BioSNAP迁移中UniDTI在所有设置下优于全部基线，在蛋白质冷启动场景增益尤为显著。这些结果与可跨两个评估数据集迁移的学习表征相一致，但源域与目标域之间残留的化学或蛋白质相似性可能有所贡献，尚需骨架与序列簇不相交的迁移研究来量化该效应。
*组件消融显示对预测性能的互补贡献*：研究人员在GLASS数据集上开展消融研究，以药物SMILES与蛋白质序列（Acmix）表征构成的基础主干为参照，评估辅助结构、序列与相互作用模块的增量贡献；去除包括IUPAC药物序列、粗粒度结构表征、全局药物特征与蛋白质结构编码（Prot-GNN）在内的单个辅助组件均导致不同程度性能下降，表明这些丰富化分支在GLASS设置中提供互补信息；去除BIN产生约1–2个百分点的适度下降（平均AUROC 0.925，为所测单组件中最大降幅），表明BIN对融合有有益贡献但并非UniDTI性能的唯一或主导驱动因素；去除多个组件导致若干变体更大性能损失，如IUPAC与粗粒度双模块去除及prot-GNN与粗粒度双模块去除分别使AUROC降至0.933与0.929，三模块去除（Global & prot-GNN & BIN）进一步降至0.919；由于累积退化本身不能确立统计协同或非冗余，结果被更保守地解释为所测组件在该消融中的互补贡献。
*UniDTI在虚拟筛选中实现活性化合物的高效鉴定*：为评估实用性，研究人员将UniDTI用作针对MOR虚拟筛选活动的第一优先级排序阶段，对超过100 000个化合物的文库打分得到5199个高分候选物，随后经理化性质、类药性、对接/结构标准与人工审查过滤获得用于实验验证的远小集合；最终验证集反映多阶段流程的联合效应，其中UniDTI提供初始优先级排序步骤并伴随下游过滤，该活动证明了将UniDTI嵌入多阶段筛选流程的可行性，而非将最终实验验证化合物单独归因于UniDTI。
*实验验证确认UniDTI的预测能力*：研究人员对所选候选化合物开展基于NanoBRET的功能测定，若干化合物在单浓度下表现出对MOR-miniGi信号通路的强激活，其中两个候选物（alpha-μ-009与alpha-μ-010）效力尤高，剂量–反应分析进一步确认其活性，EC50值处于亚微摩尔至微摩尔范围，与已知MOR激动剂相当；由于选择过程未包含随机或基线匹配的对照臂，结果报告的是流程所选化合物中的功能活性而非UniDTI特异的实验命中率。为在原子水平阐明活性化合物的动态结合机制与构象稳定性，研究人员开展100 ns MD模拟，配体RMSD曲线显示所有体系在相对较短的模拟时间内达到平衡并在整个轨迹中保持稳定结合构象，其中alpha-μ-009表现出最低的总体构象波动，提示结合稳定性增强。相互作用分析聚焦两个效力最强候选物与参考激动剂PZM-21，两个化合物均与残基D1473.32形成保守盐桥，此为与PZM-21和DAMGO等已确立MOR激动剂共有的标志性相互作用；alpha-μ-009额外与W3187.34发生π–π堆积相互作用，该作用在参考化合物中较不明显，可能有助于更紧密的受体结合；alpha-μ-010则与残基Q1242.60和K2335.40形成稳定化氢键，进一步增强其在结合口袋内的构象稳定性；此外，口袋内衬的极性残基与浸润水分子促进形成广泛的涉及配体氢键供体与受体（HBD/HBA）的水介导氢键网络，这些网络对稳定配体–受体复合物起关键作用。MM/PBSA计算提供模拟复合物的相对能量比较，两个候选物分别为?32.1 ± 3.6与?21.1 ± 3.9 kcal mol?1；由于MM/PBSA忽略构型熵等贡献且对采样系综敏感，这些值被比较性解释而非作为实验结合亲和力。
**讨论与结论**
研究人员指出，在命中筛选与先导鉴定的早期阶段开发稳健且集成的深度学习框架是现代药物发现的关键步骤，同时在一流基准数据集上取得高预测准确率并在真实多阶段虚拟筛选中展示经生物学验证的可靠性能至关重要。本研究开发UniDTI作为统一深度学习框架，将多模态多尺度药物表征（SMILES与IUPAC序列、细粒度与粗粒度图特征、指纹及理化描述符）与蛋白质序列及预测口袋结构特征相整合；UniDTI采用先前描述的BIN/意图融合方案，本工作的主要方法学贡献在于更丰富表征流水线的构建与整合。UniDTI在所评估的BindingDB、BioSNAP、Davis、DRH与GLASS基准上表现强劲，包括随机划分GLASS基准上平均AUROC 0.941与AUPRC 0.987；然而其性能依赖于设置，并非在每个冷启动比较中均一致优越。应用于MOR进一步表明该模型可作为多阶段虚拟筛选流程的一个组件，该流程产生两个实验活性化合物；此外在随后的原子注意力权重分析中，模型能够赋予在相互作用中起关键作用的原子或官能团以更高重要性。近期研究探索了分子相互作用预测的互补途径，包括带信息保留机制的旋转编码、多尺度扩散与交互学习、带图优化的多尺度信息交互以及联想学习机制，这些方法强化了朝向更丰富跨尺度特征交互的更广泛趋势；UniDTI的不同之处在于将双药物序列、层次化药物图、全局描述符、蛋白质序列特征、预测口袋图以及已确立的双向意图算子结合于一个DTI分类与前瞻性筛选流程中。研究人员同时指出若干局限性：随机8∶1∶1基准可能在划分间包含相关化合物或蛋白质，而实体级冷启动设置并不必然确保骨架或蛋白质家族层面的分离；结构分支依赖AlphaFold/P2Rank预测及排名靠前口袋的选择；MOR研究代表单靶标上的多阶段优先级排序流程，下游过滤可能影响最终候选集。因此未来工作应将评估扩展至更严格的骨架与家族层面划分以及跨多靶标的前瞻性验证；在大规模无标注化学与蛋白质数据集上的自监督预训练可能进一步改善表征学习与数据效率。
研究结论部分译为：在命中筛选与先导鉴定早期阶段开发稳健且集成的深度学习框架是现代药物发现的关键步骤，同时在一流基准数据集上取得高预测准确率并在真实多阶段虚拟筛选中展示经生物学验证的可靠性能在该过程中至关重要。本研究开发了UniDTI，作为统一深度学习框架，用于将多模态多尺度药物表征（SMILES与IUPAC序列、细粒度与粗粒度图特征、指纹及理化描述符）与蛋白质序列及预测口袋结构特征相整合。UniDTI采用先前描述的双向意图网络/意图融合方案；本工作的主要方法学贡献在于更丰富表征流水线的构建与整合。UniDTI在所评估的BindingDB、BioSNAP、Davis、DRH与GLASS基准上表现强劲，包括随机划分GLASS基准上平均AUROC 0.941与AUPRC 0.987。然而其性能依赖于设置，并非在每个冷启动比较中均一致优越。应用于MOR进一步表明该模型可作为多阶段虚拟筛选流程的一个组件，该流程产生两个实验活性化合物。此外，在随后的原子注意力权重分析中，模型能够赋予在相互作用中起关键作用的原子或官能团以更高重要性。近期研究探索了分子相互作用预测的互补途径，包括带信息保留机制的旋转编码、多尺度扩散与交互学习、带图优化的多尺度信息交互以及联想学习机制。这些方法强化了朝向更丰富跨尺度特征交互的更广泛趋势。UniDTI的不同之处在于将双药物序列、层次化药物图、全局描述符、蛋白质序列特征、预测口袋图以及已确立的双向意图算子结合于一个DTI分类与前瞻性筛选流程中。解释这些发现时应考虑若干局限性。随机8∶1∶1基准可能在划分间包含相关化合物或蛋白质，而实体级冷启动设置并不必然确保骨架或蛋白质家族层面的分离。结构分支还依赖AlphaFold/P2Rank预测及排名靠前口袋的选择。MOR研究代表单靶标上的多阶段优先级排序流程，下游过滤可能影响最终候选集。因此未来工作应将评估扩展至更严格的骨架与家族层面划分以及跨多靶标的前瞻性验证。在大规模无标注化学与蛋白质数据集上的自监督预训练可能进一步改善表征学习与数据效率。
