基于三维分子图与注意力机制的α-突触核蛋白结合亲和力预测融合框架

《Computational Biology and Chemistry》：Fused Framework for Predicting Binding Affinity to ɑ-Synuclein Using Three-Dimensional Molecular Graphs and Attention

　　•提出了一种混合GAT-GCN模型，该模型将3D特征与注意力机制结合用于亲和力预测。•在新的支架结构上，其性能优于基准模型，仅下降2.8%，展现出较强的泛化能力。•在存在噪声时，GCN集成模型的优势会减弱，而基于注意力的模型则更具可靠性。

引言
α-突触核蛋白主要存在于中枢神经系统的突触前末端，在新皮层、海马体、黑质、丘脑和小脑中也有较高浓度（Jamal等人，2017年）。尽管其确切的生理功能尚未完全明确，但普遍认为α-突触核蛋白对维持突触小泡储备以及调节神经递质释放起着关键作用（Mor等人，2017年）。

越来越多的研究聚焦于α-突触核蛋白与神经退行性疾病之间的相互作用。在正常生理条件下，α-突触核蛋白容易发生错误折叠，形成寡聚体，进而聚集为淀粉样纤维；这一现象是帕金森病及其相关疾病——统称为突触核蛋白病——的病理核心（Dawson和Dawson，2003年）。由α-突触核蛋白纤维构成的路易小体的存在，是这些疾病的典型病理特征（Spillantini等人，1997年）。帕金森病的临床进展与α-突触核蛋白病理在脑内的扩散密切相关（Braak等人，2003年），研究表明，在细胞和动物模型中，中间型寡聚体具有神经毒性（Burré等人，2015年）。遗传学研究进一步强调了α-突触核蛋白的重要性：SNCA基因的错义突变或基因重复与罕见的家族性帕金森病有关，而该基因也是散发性帕金森病的重要遗传风险因素。所有这些证据共同表明，α-突触核蛋白的错误折叠与聚集是帕金森病的关键致病因素（Abioye等人，2024年）。

基于上述病理学证据，针对α-突触核蛋白异常聚集的小分子化合物已成为开发神经保护剂的重要策略方向。除了直接针对α-突触核蛋白聚集的合成小分子抑制剂外，研究人员也越来越关注通过多种间接途径发挥神经保护作用的化合物。例如，天然黄酮类化合物秦诺宁在帕金森病动物模型中通过抗炎、抗氧化以及保护线粒体等多种机制表现出神经保护作用（Hui等人，2024年）。此外，对帕金森病发病机制背后更广泛的调控网络的研究还发现了新的干预靶点：非编码RNA可通过调节自噬显著影响α-突触核蛋白的聚集与清除（Hussain等人，2024年），而犬尿氨酸代谢途径的紊乱与α-突触核蛋白病理及神经炎症密切相关，因此恢复该途径中的代谢物平衡是一种有前景的治疗策略（Chakraborty等人，2026年）。总体而言，这些研究结果表明，针对α-突触核蛋白的治疗策略正从单纯的聚集抑制向涵盖多个靶点和途径的综合性干预模式发展。这一转变也凸显出亟需开发以α-突触核蛋白这一核心病理事件为基础的高精度预测模型。

帕金森病给社会带来了沉重负担；统计数据显示，2021年全球有超过1100万人患有此病，且患病率预计还会上升（Luo等人，2024年）。虽然目前已有针对症状的疗法，但仍有迫切需要通过抑制α-突触核蛋白的错误折叠和病理性聚集来解决疾病的根本机制问题，而这已成为开发神经保护剂的重要战略重点（Hansen等人，2011年）。那些旨在阻止α-突触核蛋白寡聚化和纤维化的化合物，旨在从源头减少神经毒性物质的产生，从而可能减缓或阻止疾病的病理进展（Dehay等人，2015年）。为此，研究人员正在探索新型金属簇作为帕金森病的潜在治疗候选物。例如，Meng等人设计并合成了R/S-Co?Zn?L??这种基于钴的螺旋状簇合物，它具有多级手性结构；在秀丽隐杆线虫模型中，这两种对映体有效地挽救了受损的多巴胺能神经元，改善了运动功能障碍，并抑制了α-突触核蛋白的聚集（Meng等人，2026年）。

药物-靶标亲和力预测是药物发现过程中的重要环节，其主要任务是量化药物化合物与其生物靶标（如蛋白质）之间的相互作用强度。深度学习技术的最新进展显著提升了药物-靶标亲和力预测的准确性。传统的实验方法，如高通量筛选（HTS）（Bajorath，2002年）、亲和层析（Urh等人，2009年）和表面等离子体共振技术（SPR），虽然可靠，但往往需要较长的时间、大量的劳动力以及高昂的成本。为了解决这些问题，人们开发出了分子对接（Al-Karmalawy等人，2021年）和定量结构-活性关系分析（QSAR）（Patel等人，2014年）等计算方法。不过，分子对接需要较高的计算资源，且其精度在很大程度上取决于靶标三维结构的质量。而传统的QSAR模型则依赖于人工设计的分子描述符，这不利于全面捕捉影响亲和力的复杂结构特征。

随着机器学习的不断发展，支持向量机（SVM）（Nogueira和Koch，2019年）、随机森林（RF）（Yasuo和Sekijima，2019年）以及梯度提升树（GBT）等算法已被用于药物-靶标相互作用预测。尽管这些方法在各自的应用场景中展现了不错的预测性能，但它们本质上仍然依赖人工设计的分子描述符、指纹以及其他预定义的特征，这限制了它们从原始数据中学习药物与靶标之间复杂非线性相互作用模式的能力。这一局限也制约了它们在药物-靶标相互作用预测任务中的泛化能力和性能上限。值得注意的是，这些机器学习方法在其他学科中已展现出强大的非线性建模潜力。例如，神经网络已被成功应用于农产品价格预测（Xu和Zhang，2021a）以及能源指数预测（Jin和Xu，2025年）；高斯过程回归在预测材料玻璃化转变温度方面表现优异（Zhang和Xu，2021a，Zhang和Xu，2021b）；图模型在社会科学和工程领域的复杂数据建模中具有独特优势（Jin和Xu，2026年，Jin和Xu，无日期）；集成/复合方法在农业经济分析和机器学习应用中也得到了有效验证（Xu，2020年，Xu和Zhang，2021b）；LSBoosting在粉末技术和冶金工程的性能预测方面表现突出（Zhang和Xu，2021a，Zhang和Xu，2021b）；回归树模型则被用于准确预测超导材料的临界温度（Zhang和Xu，2022年）。这些跨学科的应用充分展示了机器学习在非线性建模和特征提取方面的强大能力，也为本研究采用数据驱动的深度学习方法提供了有力依据。基于这些观察，深度学习凭借其端到端的学习模式，能够直接从原始数据中学习出具有区分度的特征表示，从而为解决上述问题提供可靠的解决方案。

在基于深度学习的药物-靶标亲和力模型中，药物化合物的表示方式至关重要。早期的研究通常使用简化分子输入线输入系统SMILES字符串来表示药物，并建立了各种基于序列的模型（Yasuo和Sekijima，2019年）。例如，DeepDTA（?ztürk等人，2018年）运用卷积神经网络分别从药物SMILES和蛋白质序列中提取特征，然后再通过多层感知器进行亲和力估算。DeepConv-DTI（Lee等人，2019年）则利用多尺度一维卷积神经网络来分析氨基酸序列以及药物分子指纹。DeepCDA（Abbasi等人，2020年）将卷积神经网络与长短期记忆网络相结合，增强了序列学习能力，同时还引入了注意力机制。然而，这些基于序列的方法往往忽略了分子固有的二维拓扑结构信息。

为了更好地捕捉复杂的分子结构信息，近期的研究越来越多地采用基于图的表示方法来预测药物-靶标亲和力。GraphDTA（Nguyen等人，2021年）率先将药物表示为图结构，并运用图神经网络进行建模，有效保持了原子间相互作用的连通性。MGraphDTA（Yang等人，2022年）在这一基础上进一步发展，通过在图神经网络框架内引入密集连接，提升了局部和全局结构特征的提取能力。近期的研究项目，如MSN-DTA（Wang等人，2025年）和JSSM-DTA（Uma和Mala，2025年），则侧重于整合多种来源的特征，包括序列和图表示，或者采用基于Transformer的复杂架构（如跨模态注意力机制）来提升性能。此外，CF-DTI还采用了从粗到细的多层次特征提取策略，以增强药物-靶标相互作用预测的准确性（Qian等人，2025a）。

尽管取得了这些进展，但目前大多数基于图神经网络的药物-靶标亲和力模型，包括GraphDTA及其变体，主要依赖能够体现原子连接性和键合信息的二维分子图，而忽视了对分子识别和结合至关重要的三维构象特征。近期的一些研究强调了在分子相互作用建模中纳入三维结构信息的重要性。例如，Wang等人提出了一种将三维分子特征整合到相互作用预测框架中的策略，为几何感知型表示学习提供了宝贵思路（Wang等人，2026年）。此外，DCGCN将分子的3D点云分解为三个部分：原子序列、原子连接性以及距离图，然后运用双通道图卷积网络同时捕捉组成特征和空间几何关系（Sun等人，2025年）。虽然这些研究证明了三维结构信息在提升药物-靶标亲和力预测方面的潜力，但目前仍缺乏专门为α-突触核蛋白设计的高精度亲和力预测模型。

最近，Gu等人（2026年）提出了首个专门用于预测α-突触核蛋白配体结合亲和力的深度学习框架——SynGraphNet。该框架采用双通道特征融合策略，其中GraphSAGE模块用于捕捉原子级的化学性质（如杂化状态）和基于环的拓扑特征，而卷积神经网络则从电子构象函数中提取局部的药效团模式。此外，SynGraphNet还引入了一种复合正则化损失函数，该函数同时优化均方误差、由Kullback–Leibler散度引导的潜空间约束以及L?权重衰减，从而在预测精度和模型泛化能力之间取得平衡。在独立的测试集上，SynGraphNet展现了出色的性能，其均方误差为0.1812，皮尔逊相关系数为0.4776。然而，该模型主要依赖一维序列表示（如SMILES）或二维分子图表示，因此未能充分利用三维立体化学信息和分子几何特性。

为了解决这些局限性，我们开发了一种3D GAT–GCN框架，通过将分子几何信息直接纳入图表示学习中，从而实现α-突触核蛋白结合亲和力的精准预测。首先，我们使用RDKit中的ETKDG算法生成三维分子构象，随后再利用MMFF力场对其进行优化。为确保旋转和平移不变性，我们没有使用原始的笛卡尔坐标，而是将成键原子对之间的标准化欧几里得距离作为边特征。在传统图神经网络的基础上，我们将三维距离信息融入到了GAT和GCN中。在GAT模块中，边距离被整合到注意力机制中，以便在信息传递过程中同时考虑原子属性和空间接近程度。在GCN模块中，标准化的原子间距离被用作边权重，使得邻域聚合能够体现分子相互作用的距离依赖性。这些改进使得该模型能够捕捉到以往方法所采用的二维拓扑表示无法呈现的立体化学特征。

实验结果表明，所提出的3D GAT–GCN模型在α-突触核蛋白结合亲和力预测方面，始终优于几种典型的图神经网络基准模型。在独立验证实验中，该模型的均方误差为0.1751，皮尔逊相关系数为0.5703。尤其是与最近发布的专门针对α-突触核蛋白的SynGraphNet模型相比，我们的模型在排序一致性方面有了显著提升，皮尔逊相关系数从0.4776上升到了0.5703。此外，通过注意力权重可视化，还可以识别出具有化学意义的原子和官能团，从而为模型预测结果提供具有生物学意义的解释。总体而言，这项工作表明，将三维几何先验信息纳入图神经网络中，能够极大提升分子表示学习的性能，为基于结构的生物活性预测提供了一种高效且可解释的框架。

章节片段
收集与α-突触核蛋白相关的基准药物数据集
我们首先从ChEMBL数据库中整理了一个包含10,961条记录的、与α-突触核蛋白相关的药物综合数据集（Viesi等人，2025年）。每条记录都包含了该化合物的SMILES字符串以及其结合亲和力数值，数值越低表示结合亲和力越强。为确保化学多样性并避免过拟合，我们采用了基于Tanimoto系数的相似性过滤方法。在化学生物信息学领域的常规做法基础上（Matter, 1997；Zulfiqar等人），为构建一个稳健的预测框架，我们通过标准化的流程对图神经网络模型进行了系统性的优化与评估，该流程包括化合物级数据的分区处理以及逐步优化的架构设计。具体而言，我们首先对多种基线GNN模型进行了对比测试，确定GAT-GCN作为最优的模型结构；随后通过引入三维欧几里得距离、添加原子注意力层等方式逐步改进这一模型结构。最终，我们开发出了GAT-GCN这一新型深度学习框架，它将GAT与GCN相结合，用于预测小分子抑制剂对α-突触核蛋白的结合亲和力。该模型还包含了原子注意力层，并采用结合了均方误差和皮尔逊相关系数的复合损失函数进行训练，从而同时确保预测精度和排序一致性。其核心优势在于明确使用了三维分子图，能够有效捕捉分子的立体结构信息。

本研究得到了中国国家自然科学基金（项目编号：62071079）、海南师范大学以及教育部的支持（项目编号：JSKX202203）。

作者贡献说明：
贾苍志：论文撰写与修改、监督、方法设计、资金获取。
杨家亮：论文撰写与修改、可视化处理、概念设计。
马宝山：论文撰写与修改、概念设计。
马峰泽：软件工具使用、数据整理。
尚文辉：初稿撰写、软件工具使用、方法设计。
王希：可视化处理、模型验证、方法设计。

利益冲突声明：
作者们声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

作者无利益冲突。

王希|尚文辉|马峰泽|马宝山|杨家亮|贾苍志