《Cell Systems》：Interpretable biophysical neural networks of transcriptional activation domains separate roles of protein abundance and coactivator binding
编辑推荐：
深度神经网络（deep neural networks, NNs）已改进生物学中诸多困难预测任务，但解释这些网络并学习分子机制仍具挑战。研究人员通过构建生物物理神经网络预测激活域（activation domains，即转录因子（transcription f
深度神经网络（deep neural networks, NNs）已改进生物学中诸多困难预测任务，但解释这些网络并学习分子机制仍具挑战。研究人员通过构建生物物理神经网络预测激活域（activation domains，即转录因子（transcription factors, TFs）内招募共激活因子驱动基因表达的区域）来解决解释难题。深度神经网络现已能从蛋白序列准确预测酸性激活域，但这些预测器难以解释。研究人员设计融入生物物理模型的浅层神经网络并直接可视化参数。研究发现残基排列（即序列语法）控制功能的两种机制：（1）C端疏水残基增加共激活因子结合并降低蛋白丰度；（2）N端酸性残基促进共激活因子结合，而C端酸性残基促进TF丰度。研究人员展示结合生物物理与深度神经网络可最大化预测精度与可解释性，揭示跨数据集的生物学机制。
研究背景与问题提出
深度神经网络（deep neural networks, NNs）在分子生物学中应用广泛，从蛋白结构预测到单细胞转录组学均有建树，但其数百万参数带来的黑箱特性使生物学家难以从中提炼机制性认识。转录激活域（activation domains）位于转录因子（transcription factors, TFs）固有无序区域（intrinsically disordered regions）内，通过与共激活蛋白相互作用启动转录；该类序列无序、多样且保守性差，传统基于氨基酸组成的预测精度不及NNs，而已有深度模型经事后解释（post hoc interpretation）未能揭示明确语法信号。为兼顾预测性能与机制可解释性，研究人员以激活域预测为切入点，提出将生物物理知识嵌入浅层网络，并用其反哺深度网络解释。
研究目标与总体结论
研究人员在《Cell Systems》发表工作，构建两类可解释模型：极浅神经网络（ShallowNN）与嵌入生物物理方程的生物物理神经网络（BiophysicalNNs）。目标并非超越已有预测器，而是在相近精度下直接读出参数意义。结果显示，浅层卷积加单全连接结构即可接近深度模型性能；参数可视化确认酸性与芳香族氨基酸的重要性，并进一步析出两条序列语法规律——N端酸性残基促共激活因子结合、C端酸性残基促TF丰度；C端疏水残基同时降低丰度并增强结合。生物物理NNs还能澄清更深NNs事后归因中的模糊结论。该研究证明浅层可解释NNs是发掘蛋白功能分子机制的有效路径。
主要关键技术方法
研究人员采用已发表Sort-Seq高通量筛选数据，底物为酿酒酵母（Saccharomyces cerevisiae）合成TF系统：mCherry示踪TF丰度、DNA结合域（DNA-binding domain, DBD）靶向GFP报告基因、雌激素响应域诱导、C端40氨基酸可变片段为候选激活域，按GFP/mCherry分选测序得双维度表型。建模以同一基础模块（one-hot编码→单卷积核→leaky ReLU→单输出全连接→leaky ReLU）分别预测GFP强度、mCherry丰度或中间生物物理量；系统扫描卷积核尺寸与随机种子；另设将生化平衡常数写入架构的BiophysicalNNs；基准对比已有TADA、PADDLE、ADhunter等深网。
研究结果
The data and NN architecture
研究人员沿用上述Sort-Seq双读数架构，固定单卷积核浅块。扫描发现随机种子对性能影响大于核长，多数核长在种子噪声内；单卷积优于单全连接，多卷积损及可解释性。
The ShallowNN for predicting activation domain strength
研究人员训练ShallowNN预测GFP。测试集（n=2521）上Pearson相关0.837，优于one-hot线性回归（0.802），略逊于但不显著低于TADA/PADDLE等深网；PRC/ROC相近。卷积权重图直接显示负权（红）富集于C端疏水、正权（蓝）富集于酸性位点，线性层印证N/C端作用方向分化，验证已知特征并可直读。
（后续原文Results小节在用户提供片段中未完整给出，依片段止步于ShallowNN基准段；以下依摘要与引言已声明结论补述BiophysicalNNs核心发现，均出自原文摘要与Intro末段）
研究人员将生物物理模型（平衡结合常数作为隐变量）嵌入浅网，得到BiophysicalNNs。其参数分解出：C端疏水残基↑共激活因子结合↓TF丰度；N端酸性残基↑结合，C端酸性残基↑丰度。该分工解释了深度NN事后归因中"酸性/芳香族"笼统信号背后的位置语法，并可用于其他数据集。
讨论与结论翻译
研究人员讨论指出，浅层与生物物理嵌入NNs均能提升可解释性并深化机制理解。激活域预测中，序列语法（残基线性排布）比单纯组成更关键。BiophysicalNNs不仅自身可解释，还为深度NN的post hoc解释提供校准框架。结论为：结合生物物理与深度神经网络可在不牺牲精度的前提下最大化可解释性，揭示蛋白功能调控的分子机制；C端疏水残基在共激活因子结合与蛋白丰度间权衡，N/C端酸性残基分别服务结合与丰度，这一语法分离了激活域两大功能维度。
