《PLOS Computational Biology》：GPCR-GO: Relation-aware graph learning for predicting Gene Ontology terms of G protein-coupled receptors
编辑推荐：
G蛋白偶联受体（G protein-coupled receptors, GPCRs）是核心膜受体和主要治疗靶点。然而，预测GPCR功能仍然困难，因为实验注释的受体稀少、功能标签呈长尾分布，且结构信息未被充分利用。在此，研究人员提出了GPCR-GO，一种关系感
G蛋白偶联受体（G protein-coupled receptors, GPCRs）是核心膜受体和主要治疗靶点。然而，预测GPCR功能仍然困难，因为实验注释的受体稀少、功能标签呈长尾分布，且结构信息未被充分利用。在此，研究人员提出了GPCR-GO，一种关系感知异质图注意力框架，整合结构相似性与蛋白质-蛋白质相互作用（protein-protein interactions, PPIs）。GPCR-GO使用蛋白质二级结构词典（Dictionary of Protein Secondary Structure, DSSP）将三维蛋白质结构转化为残基级结构描述符，将这些描述符聚合成蛋白质级结构向量，并利用所得向量定义结构相似性边。该框架构建了一个异质图，通过PPI边、结构相似性边、GO层级边和已审阅蛋白质–GO注释将蛋白质与基因本体论（Gene Ontology, GO）术语连接起来。关系感知图注意力聚合互补的生物学信号，而图分解、难负样本挖掘和半监督学习在稀疏监督和类别不平衡条件下改善了学习。在留出的GPCR测试划分上，GPCR-GO优于现有方法，在生物学过程（biological process, BP）、细胞组分（cellular component, CC）和分子功能（molecular function, MF）上分别达到F分数（Fmax）0.514、0.767和0.631。这些结果表明，结构衍生的关系补充了人工注释，并在有限监督下支持准确的GPCR功能预测。
蛋白质功能注释是理解细胞系统、疾病机制和治疗靶点的核心。基因本体论（GO）将蛋白质功能划分为生物学过程（BP）、细胞组分（CC）和分子功能（MF），使功能预测成为多标签且层级敏感的问题。G蛋白偶联受体（GPCRs）是最大的膜蛋白家族之一，约占全部治疗靶点的三分之一，但实验注释速度远落后于序列增长。在研究人员构建的GPCR数据集中，仅3,465条UniProt条目为已审阅状态，且GO标签呈长尾分布，结构信息未得到充分利用。通用蛋白质功能预测器（如TALE+和DeepGO-SE）直接迁移到GPCR时表现不佳，表明需要GPCR特异的建模。为此，研究人员提出了GPCR-GO，一种关系感知异质图注意力框架，整合结构相似性、蛋白质-蛋白质相互作用（PPI）和GO本体信息。在留出的GPCR测试划分上，GPCR-GO在BP、CC和MF上分别达到F
max 0.514、0.767和0.631，优于所有基线方法，表明结构衍生关系可补充人工注释，支持稀疏监督下的准确GPCR功能预测。该研究发表在《PLOS Computational Biology》。
为开展研究，研究人员从UniProt获取3,465条已审阅GPCR序列作为有监督样本，849,781条未审阅序列经注释分数过滤和CD-HIT 90%相似度去冗余后保留24,212条非冗余未标注序列用于半监督学习。技术上，使用ESM2提取序列特征；从PDB或AlphaFold（pLDDT≥70）获取三维结构，用DSSP提取残基级二级结构、溶剂可及性等描述符并池化为26维蛋白质级向量，按余弦相似度选择top-K构建结构相似性边；从BioGRID构建PPI边；从go.obo解析is_a和part_of关系构建GO层级边；仅已审阅蛋白提供蛋白–GO注释边。模型采用关系感知异质图注意力、图分解网络（GDN）、硬负样本挖掘和半监督学习，损失为加权二元交叉熵加解缠正则化。
研究结果部分包含以下内容。**Overview of the GPCR-GO framework**：该框架在异质图中统一表示蛋白质、GO术语、PPI、结构相似性、GO层级和已审阅蛋白–GO注释，通过多层注意力聚合，最终以点积解码器进行多标签预测。**Dataset statistics and challenge analysis**：对已审阅GPCR子集统计显示，BP注释缺失比例达13.7%，GO术语频率呈长尾分布；信息含量（IC）分析表明BP标签更细粒度且注释密度低，CC则更宽泛且密度高，说明标签稀疏和类别不平衡严重。**Evaluation metrics**：采用F
max、S
min和AUPR作为评估指标，并在固定8:1:1划分下评估；通用模型TALE+和DeepGO-SE直接迁移时在BP上F
max分别仅0.137和0.041，说明需要GPCR特异建模。**Comparative methods**：与Naive、BLAST、DeepGOCNN、DeepFRI、DeepGO-SE、TALE+、HEAL、GALA、TAWFN九种基线比较，所有基线均在相同GPCR划分上重新训练。**GPCR-GO improves protein function prediction**：在留出测试集上，GPCR-GO在BP、CC、MF上F
max为0.514、0.767、0.631，AUPR为0.302、0.623、0.575，S
min为16.374、3.622、4.572，全面优于基线。**Hyperparameter settings**：描述了负采样比、正样本权重、硬负样本比例和正则化权重等超参数的设置。**Negative sampling ratio and positive sample weight**：通过网格搜索发现各GO分支存在不同的最优负采样比和正样本权重组合，且性能不依赖于单一硬负样本配置，结论具有稳健性。**Number of factors and regularization weight in the graph decomposition network**：分析了因子数M和正则化权重对F
max的影响，发现BP对正则化敏感且偏好较大M，CC偏好较小M，MF偏好中等M；最终配置为BP使用M=8，CC使用M=2，MF使用M=4。**Ablation study**：移除半监督学习、结构相似性边、图分解和硬负样本挖掘任一组件均导致性能下降，其中移除硬负样本挖掘对BP和CC下降最大，移除图分解对MF下降最大，证明四个模块互补。**Case study**：对O77713、P47898、P46092三个蛋白的案例分析显示，GPCR-GO恢复了34个真实GO注释中的33个，并给出与已知功能一致的补充预测；P47898未能将突触后特化膜GO:0099634排入前十，说明高特异性亚细胞定位术语排序仍有挑战。
讨论部分指出，GPCR功能预测的困难源于实验验证注释稀少和长尾标签空间。GPCR-GO通过四个协调组件应对：结构相似性边补充PPI之外的关联，半监督学习利用未标注节点扩散监督，硬负样本挖掘锐化决策边界，图分解网络减少多源融合的语义纠缠。消融实验证明各组件缺一不可。但研究存在局限：正未标注设置可能引入假阴性偏差，结构相似性边质量受结构置信度影响，且缺乏完全独立的GPCR基准。未来工作将评估时间注释更新、序列聚类划分和亚家族泛化。研究结论可翻译为：这些结果表明，结构衍生的关系能够补充人工注释和相互作用信息，支持在稀疏监督下对GPCR进行更准确的功能预测。
