《Journal of Chemical Information and Modeling》：LINKER: Learning Interactions between Functional Groups and Residues with Chemical Knowledge-Enhanced Reasoning and Explainability
编辑推荐：
准确识别蛋白质残基与配体功能基团之间的相互作用对于理解分子识别和指导合理药物设计至关重要。现有的用于蛋白质-配体可解释性的深度学习方法通常依赖于三维结构输入或基于距离的接触标签，这限制了它们的适用性和生物学相关性。在此，研究人员提出了LINKER，这是第一个基
准确识别蛋白质残基与配体功能基团之间的相互作用对于理解分子识别和指导合理药物设计至关重要。现有的用于蛋白质-配体可解释性的深度学习方法通常依赖于三维结构输入或基于距离的接触标签，这限制了它们的适用性和生物学相关性。在此，研究人员提出了LINKER，这是第一个基于序列的模型，能够根据生物定义的相互作用类型预测残基-功能基团相互作用，仅使用蛋白质序列和配体的SMILES表示。LINKER通过结构监督的交互学习进行训练，其中交互标签通过基于功能基团的基序提取从三维蛋白质-配体复合物中导出。通过将配体表示为功能基团的集合，该模型强调化学上有意义的子结构，而不仅仅是空间接近性。重要的是，LINKER在推理时仅需要序列级输入，从而能够在结构数据不可用的情况下进行大规模应用。大量实验表明，LINKER始终优于现有基线，突出了功能基团抽象和基于结构的监督对于可解释的蛋白质-配体相互作用预测的实用性。源代码公开在：https://github.com/HySonLab/LINKER/。
**论文解读：LINKER——基于序列的残基-功能基团相互作用预测框架**
**研究背景与问题**
蛋白质-配体相互作用是化学生物学和药理学中几乎所有过程的基础。理解配体如何与其靶蛋白结合，特别是哪些功能基团（Functional Group, FG）与特定残基形成何种类型的相互作用，对于阐明分子识别机制、合理化结构-活性关系以及指导药物发现中的先导化合物优化至关重要。在现有工作中，获取详细的蛋白质-配体相互作用图几乎总是需要获得三维复合体结构。然而，这些复合体并非总是可通过实验获得，当缺失时，研究人员通常需要借助分子对接工具（如AutoDock Vina）和后续分析工具（如PLIP）来提取相互作用类型。这一过程计算成本高且耗时，尤其是在结合口袋未知的盲对接场景中。此外，现有的序列结合亲和力模型虽然引入了结构监督注意力生成残基-配体相互作用图，但因其并非主要优化目标，可解释性和准确性有限。其他聚焦于结合残基识别的方法忽略了配体的化学上下文，特别是具体功能基团，从而遗漏了生化特异性的关键决定因素。这些模型缺乏功能基团抽象或生物有意义的相互作用类型，限制了其捕获可解释和化学基础交互模式的能力。
**研究内容与结论**
为了解决上述问题，研究人员开发了LINKER，这是第一个基于序列的框架，能够直接预测蛋白质残基与配体功能基团之间的相互作用，仅使用蛋白质序列和配体SMILES字符串作为输入。LINKER通过结构监督的交互学习进行训练，交互标签从已解析的蛋白质-配体复合物中提取，通过将配体分解为化学相关的功能基团并由PLIP注释。这一策略使LINKER能够聚焦于驱动分子识别的子结构，并预测生物有意义的相互作用类型，如氢键、π-堆积和盐桥，而非仅依赖原子间距离。重要的是，LINKER在推理时完全在序列水平进行，允许在缺乏结构数据的情况下进行大规模应用，同时保持与药物化学推理一致的化学可解释性。在LP-PDBBind和BindingDB基准数据集上的大量实验表明，LINKER在残基交互预测和残基-功能基团交互预测中均持续优于现有基线，凸显了功能基团抽象和基于结构监督对于可解释蛋白质-配体交互预测的实用性。该研究发表在《Journal of Chemical Information and Modeling》。
**主要关键技术方法**
LINKER主要采用以下关键技术方法：1）蛋白质表示：使用ESM C蛋白质语言模型（Protein Language Model）编码残基嵌入，捕获局部生化特性和全序列长程依赖；2）配体表示：通过FGParser（功能基团解析器）将配体SMILES分解为功能基团，并通过FINGER-ID（功能基团和位置嵌入分子识别模块）生成多尺度上下文感知的组嵌入，整合原子尺度、局部尺度、中间尺度和全局尺度信息；3）交互建模：采用SCAT（自注意力与交叉注意力Transformer）模块，通过自注意力捕获模态内依赖，并通过ARK-MAB（自适应残基-已知-基团注意力块）实现双向交叉注意力，整合蛋白质和配体表示；最后通过PairwiseUNet（配对U-Net）将交互张量映射为残基-功能基团对在7种生物定义相互作用类型上的概率（[0, 1]矩阵）。样本队列来源包括PDBBind和BindingDB数据集，其中PDBBind使用LP-PDBBind划分以避免序列和结构冗余，BindingDB采用自定义划分策略防止蛋白质和配体水平的信息泄露。
**研究结果**
**4.3.1 残基交互预测（Residue Interaction Prediction）**
通过将LINKER输出的残基-功能基团交互概率聚合为残基级二值标签，并与基线模型（ArkDTA、HoTS、SPRINT）比较，在LP-PDBBind和BindingDB数据集上，LINKER在精确率-召回率（PR）曲线和接收者操作特征（ROC）曲线上均优于所有基线。在PDBBind上，LINKER的平均精确率（AP）为0.4076，显著高于ArkDTA（0.2941）、HoTS（0.0685）和SPRINT（0.0335），ROC AUC达0.9369；在BindingDB上，AP为0.2976，AUC为0.9017，表明LINKER对交互残基具有强判别能力。
**4.3.2 基于软标签的残基交互预测（Residue Interaction Prediction with Soft Labels）**
为模拟分子识别的动态性，研究人员对PLIP导出的硬二值标签沿残基维度应用高斯核平滑，生成软标签。在不同平滑尺度下，LINKER的加权精确率对置信度阈值表现出明显敏感性，在中等阈值处达到峰值，而基线模型趋势更平坦，表明LINKER的置信度分数具有更精细的排序和选择性。
**4.3.3 残基-功能基团交互预测（Residue-Functional Group Interaction Prediction）**
LINKER在极稀疏数据（正例率约0.06%）下，通过PR和ROC曲线评估。在PDBBind上，AP为0.1069，富集倍数达174倍，ROC AUC为0.9753；在BindingDB上，AP为0.0702，富集倍数为118倍，AUC为0.9631。定性分析显示，LINKER预测的交互热图与PLIP标注的接触区域高度一致，能够适应蛋白质结构复杂性和配体化学差异，在简单和复杂蛋白上均能定位结合区域，并根据同一蛋白的不同配体正确调整交互模式。
**4.4 与常规结构-对接-交互流程的比较（Comparison with Conventional Structure-Docking-Interaction Pipelines）**
将LINKER与AlphaFold2结构预测、AutoDock Vina对接和PLIP分析组成的传统流程在四个代表性复合物上比较。两者均以阈值0.5实现召回率为1，但LINKER的精确率（0.5–1.0）显著高于传统流程（0.17–0.33），且运行时间从数百秒降低至百分之一秒以内，表明LINKER在保持高敏感性的同时，大幅提高了精确性和计算效率。
**4.5 LINKER表示评估（Evaluation of LINKER Representations）**
通过将LINKER学习到的表征用于下游结合亲和力预测任务，在PDBBind上，LINKER的均方根误差（RMSE）为1.48，接近最优模型，并保持中等的皮尔逊相关系数（R）和一致性指数（CI）；在BindingDB上，CI为0.6894，优于多数基线，表明其交互感知表征具有可迁移性，能保留亲和力排序信息。t-SNE可视化显示，FINGER-ID编码的功能基团嵌入在化学家族（如醇、醚、胺、酰胺）内呈现层次化、可重复的空间组织，说明模型捕获了内在的化学关系。
**总结与讨论**
研究人员引入LINKER，一个基于序列的框架，用于预测蛋白质残基与配体功能基团之间的生物定义相互作用类型。通过利用基于功能基团抽象的结构监督交互学习，LINKER在推理时消除了对三维复合体结构的需求，这是现有结构依赖方法的关键限制，同时直接从序列建模化学有意义的相互作用（如氢键和π-堆积）。与事后解释亲和力预测的方法不同，LINKER将交互模式预测作为主要建模目标，即分子识别的机制基础，随后利用这些可解释信号支持下游任务（如亲和力估计）。这种从全局回归到局部交互建模的转变更贴近蛋白质-配体结合的生物物理学基础。在LP-PDBBind和BindingDB基准上的广泛评估表明，LINKER在数据极其稀疏的情况下也能生成准确、精细的交互图，且与已知生化原理一致。此外，学习到的表征显示出可迁移性，在下游评估中保留了亲和力相关的排序信号，尽管未针对亲和力回归进行优化。
**结论（翻译原文）**
研究人员引入了LINKER，一个基于序列的框架，用于预测蛋白质残基与配体功能基团之间的生物定义相互作用类型。通过利用基于功能基团抽象的结构监督交互学习，LINKER在推理时消除了对三维复合体结构的需求，这是现有结构依赖方法的关键限制，同时直接从序列建模化学有意义的相互作用（如氢键和π-堆积）。与事后解释亲和力预测的方法不同，LINKER将交互模式预测作为主要建模目标，即分子识别的机制基础，随后利用这些可解释信号支持下游任务（如亲和力估计）。这种从全局回归到局部交互建模的转变更贴近蛋白质-配体结合的生物物理学基础。在LP-PDBBind和BindingDB基准上的广泛评估表明，LINKER在数据极其稀疏的情况下也能生成准确、精细的交互图，且与已知生化原理一致。此外，学习到的表征显示出可迁移性，在下游评估中保留了亲和力相关的排序信号，尽管未针对亲和力回归进行优化。
