《International Journal of Molecular Sciences》：PMAVP: A Mamba-Inspired Deep Learning Framework for Antiviral Peptide Identification and Functional Activity Prediction
编辑推荐：
抗病毒肽（AVPs）的准确计算预测能够加速肽段筛选并降低实验成本。然而，现有的基于深度学习的方法仍面临严重的类别不平衡、过度依赖人工设计特征以及可解释性有限等问题。在此，研究人员提出了PMAVP，一种多任务学习框架，该框架将ProtT5预训练蛋白质语言模型与受
抗病毒肽（AVPs）的准确计算预测能够加速肽段筛选并降低实验成本。然而，现有的基于深度学习的方法仍面临严重的类别不平衡、过度依赖人工设计特征以及可解释性有限等问题。在此，研究人员提出了PMAVP，一种多任务学习框架，该框架将ProtT5预训练蛋白质语言模型与受Mamba启发的模块相结合，用于抗病毒肽识别与功能活性预测。研究人员利用ProtT5从肽序列中提取深层语义表征，并使用Mamba模块以较低的计算复杂度捕获长距离依赖关系。研究人员引入焦点损失（Focal Loss）以缓解类别不平衡问题，并利用迁移学习提升功能活性预测的性能。实验结果表明，该模型在预测准确性、稳定性和计算效率方面均表现出优越性能。此外，基于DeepSHAP的可解释性分析揭示，肽序列的前40个氨基酸残基对抗病毒肽预测具有显著贡献。
### 论文解读：PMAVP——一种融合Mamba模块的抗病毒肽识别与功能活性预测多任务深度学习框架
#### 1. 研究背景与问题
病毒感染持续对全球公共卫生、人类生命和社会稳定构成严重威胁。致病病毒的不断出现与突变造成了沉重的医疗和经济负担。尽管抗病毒药物已用于临床治疗，但其疗效受限于病毒耐药性和潜在毒性。因此，发现具有高特异性和良好生物学特性的新型抗病毒制剂成为重要研究方向。抗病毒肽（AVP）因其可通过阻断病毒附着、阻止膜融合、干扰病毒复制和调节宿主免疫反应等多种机制抑制病毒感染，且与传统小分子药物相比具有高序列多样性、强靶标特异性和相对较低的耐药风险，已成为抗病毒药物开发的有力候选者。然而，实验鉴定AVP通常耗时、费力且昂贵，同时预测AVP针对特定病毒科或物种的功能活性对于理解其抗病毒谱和支持下游治疗开发也至关重要。
近年来，机器学习和深度学习方法已被应用于AVP预测。例如，AVPIden利用特征描述符和平衡随机森林；DeepAVP结合one-hot编码与卷积神经网络（CNN）和双向长短期记忆（BiLSTM）网络；AI4AVP将理化性质引入CNN框架；FFMAVP集成特征描述符与CNN-BiLSTM架构；AVP-IFT结合CNN、BiLSTM和Transformer。然而，这些研究仍存在若干局限：第一，数据不平衡是常见问题，非AVP数量远超AVP，可能导致模型偏向多数类；第二，许多现有方法严重依赖人工提取的特征，需要额外的预处理和领域知识；第三，CNN、BiLSTM和Transformer模型的计算效率有待提高——CNN难以建模长距离依赖，BiLSTM并行化困难，Transformer的自注意力计算复杂度随序列长度显著增加；第四，现有模型的可解释性不足；第五，大多数算法主要关注AVP与非AVP的二分类，而对特定病毒科或病毒种功能活性的预测探索较少。
#### 2. 研究目标与主要工作
为应对上述挑战，研究人员提出了PMAVP，一种整合ProtT5预训练蛋白质语言模型与Mamba模块的多任务学习框架，用于AVP识别和功能活性预测。PMAVP能够区分AVP与非AVP，并预测其针对八种病毒物种（FIV、HIV、HCV、HPIV3、HSV1、INFVA、RSV和SARS-CoV）以及六个病毒科（冠状病毒科、逆转录病毒科、疱疹病毒科、副粘病毒科、正粘病毒科和黄病毒科）的功能活性。ProtT5用于从肽序列中提取深度语义表征，使模型无需严重依赖手工描述符即可从大规模蛋白质数据中学习信息丰富的序列特征。Mamba被引入以高效建模肽序列中的长距离依赖关系，同时保持较低的计算复杂度。模型使用Focal Loss增加训练中难分类样本的贡献以缓解类别不平衡问题。此外，研究人员采用迁移学习策略用于功能活性预测：先在AVP二分类任务上预训练模型以学习通用判别性肽表征，再将预训练参数迁移至功能活性分类任务并在功能活性数据集上微调。消融分析表明Mamba模块和全局最大池化是PMAVP性能提升的关键组成部分。DeepSHAP可解释性分析显示肽序列前40个氨基酸在AVP预测中发挥重要作用。论文发表在《International Journal of Molecular Sciences》。
#### 3. 主要关键技术方法（约200字）
该研究使用三个基准数据集（Dataset 1、Dataset 2和Dataset 3）评估模型性能。Dataset 1来自AVPdb、HIPdb和UniProt等公共数据库，包含2762个AVP和10089个非AVP；Dataset 2和Dataset 3由604个实验验证AVP和452个验证非AVP经冗余去除和清洗构建。功能活性数据集由Cao等人构建，涵盖六个病毒科和八个病毒种。模型采用ProtT5预训练蛋白语言模型编码肽序列为121×1024维特征矩阵，经全连接层投影后输入受Mamba启发的模块（包含门控分支和特征分支，使用SiLU激活函数、一维卷积和非线性全连接层近似状态空间更新）。特征经全局平均池化和全局最大池化双池化融合，连接后输入1024、512、256维全连接分类器。使用Focal Loss处理类别不平衡，并采用预训练与微调相结合的迁移学习策略。以4:1划分训练集与独立测试集并进行四折交叉验证，采用Adam优化器，在NVIDIA RTX 4090 GPU上实施。
#### 4. 研究结果
**4.1 消融研究显示Mamba模块的重要性**
在Dataset 2上通过移除或替换特定功能模块构建了五种模型变体（PMAVP-w/oMamba、PMAVP-w/oAvg、PMAVP-w/oMax、PMAVP-w/oFocal和PMAVP-w/oPretrain）。结果表明PMAVP在所有评估指标上均达到最佳性能。移除Mamba模块导致MCC和F1分数显著下降，表明其在增强判别能力方面起关键作用；移除全局最大池化造成最严重的性能退化，证明其对提取抗病毒活性相关的判别性局部特征至关重要；移除全局平均池化仅导致中等程度下降；将Focal Loss替换为标准交叉熵损失也引起性能恶化，表明Focal Loss有效减轻了类别不平衡的影响。在功能活性分类的消融实验中，移除Mamba模块尤其影响MacroF和MacroP；移除预训练策略也造成明显的多指标退化。整体而言，Mamba模块和全局最大池化是性能提升的主要驱动因素，而全局平均池化和Focal Loss提供互补的优化效果。
**4.2 与现有方法在AVP识别中的性能比较**
在三个基准数据集上与FFMAVP、AVPIden、AI4AVP、DeepAVP和AVP-IFT进行了比较。Dataset 1上，PMAVP在ACC（0.946）、精确率（0.880）、特异性（0.967）、MCC（0.839）、F1分数（0.874）和平均指标（0.896）上均取得最高分。Dataset 2上，PMAVP在ACC（0.864）、MCC（0.723）、F1分数（0.881）和平均指标（0.844）上最优，并保持高灵敏度（0.888）。Dataset 3上，PMAVP在ACC（0.938）、精确率（0.957）、特异性（0.958）、MCC（0.876）、F1分数（0.936）和平均指标（0.930）上均领先。此外，PMAVP在ROC曲线和PR曲线分析中均表现优越，且在三个数据集上始终呈现较小的标准差，表明模型的稳定性和可重复性。这些结果证实PMAVP在类别不平衡条件下具有强判别能力，并在阳性样本识别与假阳性控制间取得了良好平衡。
**4.3 与现有方法在AVP功能预测中的性能比较**
在病毒科和病毒种两个层级上，将PMAVP与FFMAVP和AVPIden进行了系统比较。在病毒科级别，PMAVP在宏精确率（0.859）、宏F1分数（0.813）和平均指标（0.823）上取得最佳结果，尽管宏召回率略低于FFMAVP，但差异很小。在病毒种级别，PMAVP实现了最高的宏精确率（0.867），准确率（0.823）和宏F1分数（0.808）接近最优水平。PMAVP在所有评估指标上均表现出较小的标准差，显示了良好的稳定性和可靠性。
**4.4 PMAVP用于AVP分类的可视化分析**
利用t-SNE对全连接层（256个单元）的输出特征在三个测试集上进行可视化。在Dataset 1上，两类样本呈现初步分离趋势但局部仍有重叠；在Dataset 2上，AVP与非AVP的分离边界更清晰，聚类模式更明显；在Dataset 3上，两类几乎完全分离，类别边界最为清晰。这表明PMAVP在相对平衡的数据上能够学习到稳定且高判别性的特征表征。
**4.5 模型解释性分析**
使用DeepSHAP对从Dataset 1随机选取的100个AVP序列进行可解释性分析。氨基酸位置贡献热图显示，高贡献区域（深红色区域）主要集中在序列的N端，特别是前30-40个残基内。这与已有研究一致，即部分膜活性AVP的N端区域具有显著的两亲性，疏水性芳香族残基（如色氨酸和苯丙氨酸）可能促进肽段与病毒包膜磷脂双层的初始吸附和插入，从而破坏膜的稳定性并抑制病毒感染。当序列位置超过约40个残基后，贡献分数逐渐降低并趋于均匀，表明PMAVP能自适应地识别信息区域，同时对填充标记或序列末端的非关键残基赋予极低的贡献权重。不同序列间的高度一致响应模式表明PMAVP不是依赖样本特异性特征进行分类，而是学习AVP共有的结构模式和理化性质分布。
#### 5. 讨论与结论
在讨论部分，研究人员指出，尽管现有深度学习架构设计取得了显著进展，但在处理复杂序列关系和识别与生物学功能密切相关的关键模式方面仍有提升空间。PMAVP通过整合ProtT5预训练模型和Mamba启发模块，能够从大规模肽序列中提取丰富的、上下文感知的语义表征，同时高效建模序列内长距离依赖关系。Focal Loss的引入有效缓解了类别不平衡问题。双池化策略结合了全局上下文信息和判别性局部功能特征。迁移学习范式使模型能够在功能活性预测任务中利用预训练知识并适应复杂的多类分布。消融实验和对比实验验证了各关键组件的有效性与必要性，并证实了PMAVP在预测准确性、稳定性和计算效率方面的优越性能。
研究结论表明，PMAVP在AVP识别和功能活性预测方面均取得了令人满意的结果。首先，基于消融实验，Mamba模块和全局最大池化层是模型性能优越的主要贡献者：Mamba模块有效建模长距离依赖并捕获N端关键功能区域相关的上下文信息，而全局最大池化通过强调高响应性局部特征增强关键基序的识别，二者互补协同显著提升了特征表示和分类性能。其次，在三个基准数据集上，PMAVP在ACC、MCC、F1分数等综合指标上优于或接近现有最先进方法，同时在重复实验中展现出较小的标准差，验证了模型的稳定性与泛化能力。在功能活性预测任务中，PMAVP在病毒科和病毒种级别均展现出竞争优势，尤其以宏精确率和宏F1分数表现突出。第三，DeepSHAP可解释性分析显示，肽序列的前40个氨基酸残基对AVP预测至关重要，该区域可能包含与抗病毒活性相关的关键功能信息，为理解AVP的作用机制提供了计算层面的见解。
