结构-序列协同学习框架用于从食品蛋白水解物中优先筛选功能性肽

《Food Research International》：A structure–sequence synergistic learning framework for prioritizing functional peptides from food protein hydrolysates

　　

结构-序列学习（Structure–sequence learning）优先从水解物中筛选功能性肽。研究人员构建了6224个肽-任务实例（peptide–task instances），覆盖五个筛选终点。融合模型（fused model）实现了平均平衡准确率（balanced accuracy）为0.870。在数据有限条件下，结构特征（structural features）改善了预测性能。外部验证（external validation）保留了精度-召回曲线下面积（PR-AUC）值分别为0.717、0.641和0.675。

**研究背景与问题**
食品蛋白水解物产生的功能性肽具有多样生理功能，在功能性食品和营养干预中潜力巨大。然而，水解物是高度异质的肽混合物，传统实验筛选成本高、耗时长，且常局限于单一功能评估，忽略了多功能候选物。现有计算预测方法多基于序列信息，缺乏对三维构象的利用，而短肽的功能常由结构排列而非序列模式决定。因此，亟需一种统一表征框架，联合序列语义与结构几何，以在数据有限条件下稳健筛选不同功能终点的候选肽。

**研究内容与结论**
本研究开发了结构-序列协同学习框架（Structure–Sequence Synergistic Learning Framework），整合预训练蛋白质语言模型（Protein Language Model, ESM-2）的上下文序列表征与图神经网络（Graph Neural Network, GNN）的几何结构表征，用于从LC–MS/MS鉴定的食品蛋白水解物中优先筛选功能性肽。通过五个功能筛选终点（抗高血压、抗菌、抗肥胖、抗高血糖、抗高尿酸）的独立任务，框架平均平衡准确率达0.870，优于单模态基线。结构信息的加入尤其在小样本任务中提升显著，且样本级分析显示结构特征提供了互补判别能力。外部肽不相交验证（Peptide-disjoint Validation）在三个终点上PR-AUC分别为0.717、0.641和0.675，表明模型具备一定泛化能力。代表性肽WWF和YYW的体外酶抑制实验证实了模型指导的优先筛选具有概念验证意义。论文发表在《Food Research International》。

**关键技术方法**
研究人员从五种食品原料（蚕蛹、羊奶、大豆、 hemp seed、沙棘）中提取蛋白，经酶解、超滤和LC–MS/MS鉴定获得肽序列。采用分子对接（Molecular Docking）生成五个终点对应的代理标签（Proxy Labels），构建6224个标记实例。结构表征通过Chem3D生成肽三维构象，转化为残基级图，使用Cα距离的k近邻（k-nearest-neighbor）定义边。序列表征通过冻结的ESM-2^150M编码器提取640维嵌入，结构表征通过GraphSAGE提取1024维嵌入，两者经拼接融合后由MLP分类器输出终点特异性评分。

**研究结果**
**3.1 结构-序列协同学习框架概述**：框架包含序列分支（ESM-2）和结构分支（GraphSAGE），通过拼接融合生成联合表征，用于五个独立二进制分类任务。
**3.2 LC–MS/MS衍生候选肽景观揭示跨任务序列重叠有限**：分析表明五个终点候选肽集重叠度低，反映碎片化、实验驱动的筛选场景。
**3.3 结构-序列协同学习在五个任务中优于基线**：融合模型平均平衡准确率0.870，高于序列模型（0.838）和结构模型（0.799），尤其在抗肥胖（小样本）任务中提升最明显（0.897 vs 0.856）。
**3.4 替代截断敏感性分析支持代理标签分区的稳健性**：在20/60/20、25/50/25、35/30/35三种截断下，ΔPR-AUC均为正，表明结构整合优势不依赖原始分区。
**3.5 拼接融合更适合短肽表征**：拼接融合在三个代表性任务中平衡准确率最高，优于交叉注意力和门控融合，因短肽全局嵌入已高度压缩。
**3.6 几何结构特征提供超越序列语义的互补信息**：样本级分析显示，结构-序列模型在五个任务中共挽救80个样本（被序列模型误分类），损失46个，净正向效应+34，证明结构特征具有额外判别价值。
**3.7 结构-序列协同在数据有限条件下尤其有益**：小样本任务（抗肥胖，448样本）中平衡准确率提升4.06个百分点，大样本任务（抗高血压，2755样本）提升2.34个百分点，表明结构特征可部分补偿序列监督不足。
**3.8 外部肽不相交验证**：在抗高血压、抗高血糖、抗高尿酸三个外部数据集上PR-AUC分别为0.717、0.641和0.675，表明模型具有可转移的优先筛选能力。
**3.9 静态结构表征的构象敏感性分析**：模型排名对替代低能构象总体稳定，Spearman相关系数约0.84–1.00，Top-10重叠约0.87–1.00，支持Chem3D结构的可靠性。
**3.10 结构-序列模型指导的候选肽优先筛选**：模型输出每个终点的排名列表，代表性候选肽包括YWV（抗菌）、FKF（抗高血糖）、WECTYCQ（抗高血压）等。
**3.11 代表性模型优先肽的体外评价**：抗高血压候选肽WWF在100 μM时ACE抑制率约24%；抗高血糖候选肽YYW在1.5–3.0 mM时α-葡萄糖苷酶抑制率超90%，提供概念验证支持。

**讨论与结论**
讨论部分指出，结构-序列框架在五个任务中一致优于单模态基线，且结构信息的互补价值在数据有限条件下尤为突出。外部验证和构象敏感性分析增强了结果的稳健性。但研究仍存在局限性，包括简化计算结构、基于对接的代理标签、有限的实验验证等。未来需纳入更广泛活性测定、分子动力学模拟以及肽稳定性、生物利用度和作用机制评估。

**结论翻译**：食品蛋白水解物产生高度异质的肽混合物，使得功能性肽的实验筛选成本高且难以跨多个生物终点扩展。本研究开发了结构-序列协同学习框架，从LC–MS/MS衍生的食品蛋白水解物文库中优先筛选候选功能性肽。通过整合预训练蛋白质语言模型的上下文序列表征与图神经网络的几何结构表征，该框架旨在捕捉肽序列与预测三维构象的互补信息。在五个功能筛选任务中，结构-序列模型一致优于序列和结构单模态基线，表明结构几何提供了超越线性序列特征的额外判别信息。这种提升在小样本任务中尤为明显，表明结构特征可在数据受限条件下部分补偿序列监督不足。样本级挽救分析进一步支持结构信息的互补贡献，而外部肽不相交验证显示，共享的结构-序列框架与任务特异性分类头在外部收集的未见肽序列上保留了可观的排名能力。初步体外实验为模型引导的优先筛选提供了概念验证支持，但更广泛的实验验证仍属必要。