基于微环境感知和语义耦合的对抗性优化方法，用于预测突变对蛋白质-蛋白质相互作用的影响

《Pattern Recognition》：Microenvironment-aware adversarial refinement with semantic coupling for predicting mutational effects on protein-protein interactions

　　

•一种面向 PPI ΔΔG 预测的微环境感知对抗细化框架。•混合语义码本耦合了残基、扭转和空间语义。•综合实验展示了最先进性能、效率和可解释性。•SARS-CoV-2 抗体筛选展示了实用的突变优先级排序。

引言
蛋白 - 蛋白相互作用（PPIs）是细胞生命的基本分子基础，广泛涉及各种重要的生物过程 [1]、[2]。突变可以改变局部侧链构象和界面结合强度，从而影响蛋白质复合物的结合稳定性。这种效应通常通过突变诱导的结合自由能变化（ΔΔG）来量化 [3]、[4]。准确预测突变诱导的 ΔΔG 对于理解疾病相关突变的机制、评估病毒免疫逃逸风险以及指导抗体亲和力优化至关重要。例如，在 SARS-CoV-2 中和抗体的优化中，互补决定区（CDR）中的少数点突变可以显著改变抗原结合和中和活性 [5]、[6]。这表明突变效应通常集中在突变位点周围的局部微环境中。然而，这些效应并非由单个残基的性质引起，而是涉及残基性质、局部扭转构象、空间构象和界面相互作用网络的耦合变化 [7]、[8]。在此意义上，准确的 ΔΔG 预测需要识别跨多个生物尺度的突变诱导结构模式，因为这些耦合信号共同塑造了最终的结合亲和力变化 [9]。

传统生化实验可以直接测量突变对结合自由能的影响 [10]、[11]。然而，湿实验受限于低通量和高成本，使其无法穷尽探索氨基酸突变的巨大组合空间，尤其是对于多位点变异体 [12]。此外，它们不适合预测之前未表征的突变。对于多重突变，这一限制更为明显。在这种情况下，可能的组合数量随突变位点数量的增加而迅速增长，使得穷尽实验筛选变得不切实际 [13]。因此，我们需要准确、通用且计算高效的 ΔΔG 预测方法来加速突变筛选、抗体设计以及疾病相关变异体的解释。

近年来，以 AlphaFold 为代表的深度学习技术重塑了蛋白质结构建模 [14]、[15]、[16]。这一进展也推动了 ΔΔG 预测方法从手工设计特征向深度表示学习和生成式预训练的迈进 [12]、[15]。现有方法大致可分为三类：基于物理能量函数的方法、基于端到端的方法以及基于预训练的方法。

基于物理能量函数的方法。这些方法利用物理或经验能量项来估算突变引起的自由能变化 [17]、[18]。代表性工具包括 FoldX [19]、Rosetta [11] 和 flex ddG [20]。FoldX 和 Rosetta 评估范德华力、静电相互作用、溶剂化相互作用、氢键和构象优化等相互作用项。flex ddG 进一步在 Rosetta 框架内引入逆摩擦电采样、侧链重排和系综平均，以更好地考虑局部构象柔性。由于具有物理可解释性，这些方法很有价值。然而，其性能对输入结构质量、采样方案和能量加权设置高度敏感。此外，在复杂界面、多重突变场景和大规模筛选任务中，它们在效率和泛化能力方面面临挑战。

基于端到端的方法。这些方法直接学习蛋白质复合物结构与突变诱导的结合亲和力变化之间的关系 [15]。代表性方法包括 DDGPred [3] 和 DDAffinity [4]。它们通常将蛋白质复合物表示为残基层或原子级图，并使用图神经网络、几何注意力或消息传递来比较野生型和突变体结构。例如，DDAffinity 将蛋白质复合物建模为具有序列和空间约束的拓扑图。然后聚合残基邻域信息以提取野生型和突变体蛋白质的结构表示。与常规能量函数相比，端到端模型可以自动学习复杂的非线性结构模式。然而，它们严重依赖于有限的实验注释 ΔΔG 数据。

基于预训练的方法。这些方法从大规模无标注的蛋白质序列或结构数据中学习可迁移表示，然后将其适配到下游 ΔΔG 预测任务中。代表性方法包括 ESM-1F [21]、RDE-Network [12]、DiffAffinity [13] 和 Prompt-DDG [7]。ESM-1F 通过从骨架坐标预测蛋白质序列来学习逆折叠，并使用 AlphaFold2 预测的结构扩展训练数据 [15]。RDE 从侧链构象分布中学习突变相关表示。Prompt-DDG 进一步引入层次提示信息来描述突变微环境中的残基类型、角统计和空间构象变化。这些研究表明，预训练可以有效地缓解标记突变数据的稀缺性，并提高结构表示的可迁移性。

如上所述，基于预训练的方法在 ΔΔG 预测中显示出强大潜力。然而，现有的基于预训练的方法在建模现实突变微环境时仍面临三大挑战。（1）忽视跨尺度语义耦合。现有的 ΔΔG 预测预训练方法主要关注单尺度建模或独立编码的多尺度语义 [7]、[12]。这种碎片化建模削弱了对耦合的残基类型、扭转和空间信号的结构模式识别，难以捕捉不同语义尺度之间的内部关联。（2）微环境重建的可靠性不足。基于重建的预训练方法通常依赖均方误差或交叉熵损失，这往往会产生平均化且过度平滑的微环境表示 [22]、[23]。这削弱了细粒度的突变信号，如局部氢键和空间接触，使得仅依靠重建损失不足以确保用于 ΔΔG 预测的生物学可靠表示。（3）沉重的计算负担。许多预训练方法计算负担沉重，因为它们对完整的蛋白质复合物进行建模，并依赖大规模通用蛋白质数据集 [13]、[24]。全复合物建模增加了图构建、消息传递和预训练成本，同时还引入了可能作为噪声、与突变无关的远端残基上下文。

为了解决这些挑战，我们提出了 MARS-DDG，一种用于蛋白质复合物 ΔΔG 预测的带有混合语义码本的微环境感知对抗细化框架。MARS-DDG 的核心理念是在轻量级建模范式下，将突变微环境内的多尺度生物语义组织到共享的离散潜在空间中。这样，残基身份、角度和空间构象可以在统一的语义表示中耦合。MARS-DDG 进一步使用层次对抗约束来校准重建表示的分布可靠性。然后，预训练的多尺度微环境语义作为提示信息转移到下游 ΔΔG 预测任务中。

本研究的主要贡献总结如下：
•我们提出了一种混合语义共享码本，用于联合组织突变中心微环境中的残基类型、角度和空间构象语义，从而实现可区分但耦合的多尺度表示。
•我们设计了一种层次对抗细化机制，具有针对序列、角度几何和空间构象的特定尺度判别器，通过仅重建预训练提高了重建微环境表示的可靠性。
•我们建立了一种轻量级的以突变为中心的学习范式，利用局部结构补丁、基于 KNN 的微环境图和语义提示，以减少 ΔΔG 预测中的冗余上下文和计算成本。
•我们在多个基准数据集和一个回顾性 SARS-CoV-2 抗体突变优先级排序案例中进行了大量实验。结果表明，MARS-DDG 优于最先进（SOTA）的基线方法，并验证了码本、对抗细化和提示机制的有效性。

章节摘要
符号与问题定义
本节定义本研究中使用的所有符号，并公式化 ΔΔG 预测任务。

方法
在本研究中，我们提出了 MARS-DDG，一种用于蛋白质复合物 ΔΔG 预测的具有多尺度语义建模的微环境感知对抗细化框架。如图 1 所示，MARS-DDG 由三个核心模块组成。（1）微环境表示学习模块。（2）混合语义码本模块。（3）重建与对抗细化模块。方法学细节如下所述。
为避免歧义，我们在全文中一致使用以下术语

实验
本节总结了 MARS-DDG 的主要实验结果，包括 SOTA 比较、突变类型鲁棒性、效率分析、可视化以及回顾性抗体突变优先级排序。为了提高可读性，详细的数据集描述、评估指标、数据划分方案、超参数配置和调优结果、消融研究、额外的鲁棒性分析以及讨论见补充章节 S1–S5。

结论
在本研究中，我们提出了 MARS-DDG，一种用于蛋白质复合物 ΔΔG 预测的微环境感知框架。在 SKEMPI v2.0 上，MARS-DDG 在大多数指标上取得了最佳整体性能，Spearman 相关性最大相对增益为 16.34%，每结构 Pearson 相关性为 11.55%，每结构 Spearman 相关性为 7.18%。在不同突变类型中，MARS-DDG 在单点突变和多点突变上始终取得了 SOTA 性能，展示了稳健的
CRediT 作者贡献声明
Huasen Jiang：撰写 - 审阅与编辑，撰写 - 原稿，可视化，验证，方法论。Xiangpeng Bi：撰写 - 审阅与编辑，调查。Wenjian Ma：撰写 - 审阅与编辑，方法论，概念化。Xiaoyu Huang：撰写 - 审阅与编辑。Jie Nie：撰写 - 审阅与编辑，监督。Zhiqiang Wei：撰写 - 审阅与编辑，概念化。Shugang Zhang：撰写 - 审阅与编辑，资金获取，形式分析。

利益冲突声明
作者声明他们没有任何已知的竞争经济利益或个人关系，这些可能影响本文报告的工作。

致谢
本工作受国家自然科学基金（NO.62306293）、山东省自然科学基金（NO.ZR2025MS1069）、中央高校基本科研业务费（NO.202561013）和山东省高校青年创新技术项目（NO.2025KJH006）资助。

Huasen Jiang|Xiangpeng Bi|Wenjian Ma|Xiaoyu Huang|Jie Nie|Zhiqiang Wei|Shugang Zhang