Olutasidenib

基于PBCNet2.0实现原子级蛋白-配体识别以用于探针发掘 全文详细总结 基础信息 发表期刊：Nature Chemical Biology；研发单位：中国科学院上海药物所；通讯作者：郑明月、张苏林、王明良；核心成果：开发PBCNet2.0—— 基于笛卡尔二阶张量等变图神经网络（E-GNN）的孪生神经网络，专门预测蛋白 - 配体相对结合亲和力ΔpAct，服务人源蛋白分子探针开发、先导化合物优化、药物耐药突变预判。 Fig.1 PBCNet2.0 架构与应用总览 a 训练数据处理流程原始数据取自 BindingDB（2023.12 版），通过分子对接与规则过滤生成输入结合构象；PBCNet2.0 基于 860 万组蛋白 - 配体配对数据完成训练；所有配对共享同一蛋白口袋、仅配体结构存在差异。 b PBCNet2.0 整体框架复合物输入笛卡尔二阶张量消息传递模块，实现配体与蛋白口袋间双向信息交互，输出原子级特征；每个原子隐表征为 3×3 矩阵，通过张量不可约分解拆分为 1 自由度标量、3 自由度向量、5 自由度张量分量，依靠矩阵乘法实现高效等变信息传播；读出模块对配体原子不变特征平均得到分子图级表征，将参考分子与待测分子表征差值 Δx 作为配对特征送入预测模块，输出预测相对结合亲和力 Δŷ；训练附带计算高效的符号翻转增广策略。 c 模型两大应用场景1）先导化合物优化：野生型蛋白分别结合两种结构相似小分子，输入模型预测二者相对结合亲和力；2）突变耐药预测：同一配体结合野生型 / 突变口袋，模型预测氨基酸突变带来的结合亲和力变化。 一、研究背景与初代 PBCNet 核心缺陷 1. 行业需求 全球Target 2035计划旨在解析所有人源蛋白的药理探针，但高质量分子探针极度匮乏；蛋白 - 配体结合亲和力预测是加速探针与先导分子开发的核心工具。 2. 现有技术优缺点 1）物理模拟金标准（Schrödinger FEP+）：预测精度高（RMSE≈1.1 kcal/mol），但计算成本极高、流程复杂、依赖专业人员，无法高通量规模化应用；2）初代模型 PBCNet（团队前期工作）：孪生网络架构，微调后性能接近 FEP+，但存在两大致命短板：① 训练数据集规模极小：仅 60 万蛋白 - 配体配对，覆盖 2 万小分子、960 个蛋白靶点，化学与生物空间覆盖不足，零样本泛化能力差；② 几何建模存在硬约束：依靠预设原子对统计势、固定角度分箱，无法自主学习新颖、具有严格几何限制的弱分子相互作用（如氟正交多极作用）。 3. 两大核心改进思路 1）遵循 AI 缩放定律，大规模扩充训练数据集；2）抛弃预设几何先验，采用笛卡尔张量等变图神经网络重构消息传递模块，让模型从数据中自主学习三维空间距离、角度约束。 二、数据集完整设计（1 套训练集 + 5 套独立测试集） 1. 训练数据集 原始数据取自 BindingDB 2023.12 版本，共 281 万条亲和力（IC₅₀/EC₅₀/Ki/Kd）数据；经无效分子、模糊不等式数据过滤、标准化对接构象筛选后，最终得到860 万组蛋白 - 配体配对（是初代 PBCNet 的 14 倍），覆盖 28 万种独特小分子、1122 个蛋白靶点。 •数据规则：每组配对共享同一蛋白口袋，仅配体结构存在差异； •数据均衡：原始ΔpAct 集中在 [-1,1] 易过拟合，通过欠采样大差值、过采样小差值实现标签均匀分布； •隔离设计：训练集与所有测试集蛋白 UniProt ID 完全无重叠，杜绝信息泄露； •训练硬件：单张 NVIDIA A100 80GB GPU，完整训练耗时 7 天。 2. 五大独立评测测试集 1.FEP 测试集：FEP1+FEP2 合计 16 个药物化学系列，对标 FEP + 金标准，用于零 / 少样本先导优化评测； 2.SAR-Diff 测试集：8 组成对化学骨架，两组分子 R 基团修饰完全一致，但构效关系（SAR）截然相反，专门区分模型是 “死记分子结构” 还是 “真实学习蛋白 - 配体相互作用”； 3.F-Opt 测试集：10 组含氟正交多极相互作用的复合物，验证模型捕捉精细、强几何约束弱相互作用的能力； 4.Mutation 突变测试集：8 个临床关键靶点的口袋氨基酸突变数据集，测试模型无监督下预测突变带来亲和力变化的涌现能力； 5.前瞻性湿实验靶点集：全新靶点 ENPP1、ALDH1B1，用于计算预测 + 化学合成 + 生化实验闭环验证。 三、PBCNet2.0 整体架构与核心创新 模型为孪生 Siamese 神经网络，输入同一蛋白口袋下两种配体的 3D 结合构象，输出二者相对结合亲和力 ΔpAct，整体分为三大模块： 1. 消息传递模块（最核心革新） 彻底舍弃初代预设原子统计势，采用笛卡尔二阶张量等变图神经网络：1）原子隐特征编码为 3×3 笛卡尔张量，数学分解为 \\ 标量（1 自由度）、向量（3 自由度）、高阶张量（5 自由度）\\ 三类独立分量，通过矩阵运算天然编码距离、角度三维几何信息；2）分层图构建：配体 5Å 范围内残基定义为结合口袋；蛋白间连接采用 3Å/5Å 双阈值，降低算力开销；3）三层等变消息传递层，移除原 TensorNet 距离衰减函数；4）可解释输出：提取原子间归一化交互权重（0~1 区间），可视化定位参与分子相互作用的关键原子。 2. 读出模块关键优化 初代 PBCNet 将参考分子、待测分子、差值拼接为表征[x_ref, x_query, Δx]，模型易仅记忆分子特征；PBCNet2.0仅使用差值Δx = x_ref − x_query 作为成对特征，强制模型只学习「分子结构差异→亲和力变化」的映射关系；在 FEP 集对比实验中，该改动使斯皮尔曼相关系数 ρ 从 0.59 提升至 0.67。 3. 预测与训练模块 1）差值表征 Δx 输入三层前馈网络，输出预测相对亲和力 Δŷ；2）引入符号翻转数据增广：同时输入Δx 与−Δx，设计反对称 RMSE 损失函数，强制满足f(Δx) = −f(−Δx)，消除预测偏置。 4. PBCNet2.0 vs 初代 PBC 核心差异 维度 初代 PBC PBCNet2.0 训练数据 60 万配对，2 万小分子 860 万配对，28 万小分子（14 倍扩增） 几何编码 预设原子统计势、固定角度分箱 笛卡尔张量等变 GNN，自主学习空间约束 成对表征 拼接[xref, xquery, Δx] 仅使用差值Δx 训练策略 基础损失 符号翻转增广、反对称 RMSE 损失 可解释性 无原子交互权重 输出 0~1 归一化原子作用权重 四、大规模基准测试：三大先导优化场景 对照 12 类主流预测基线：共折叠 AI（Boltz-2）、传统打分（Glide SP、MM-GB/SA、FEP+）、序列深度学习（PSICHIC/BIND/PLAPT）、结构图神经网络（LigUnity、PIGNet2、RTMScore、GenScore、OnionNet-2、初代 PBCNet）。 1. 零样本预测（无靶点微调，直接泛化全新体系） •PBCNet2.0 ρ=0.67，初代仅 0.57，性能提升 18%；与金标准 FEP+（ρ=0.70）几乎持平，统计学无显著差异（P=0.39）； •消融实验：删除蛋白 - 配体交互边后模型性能持续下跌，证明预测核心依靠分子相互作用，而非单纯记忆分子骨架； •SAR-Diff 高难度测试集：唯一在全部 8 组化学对上均具备有效预测能力的模型，其余大量基线出现完全失效系列； •配体相似度鲁棒：分子 Tanimoto 相似度≥0.8 时 RMSE≈0.8；相似度 < 0.6 时误差平缓上升至≈1.1，无性能断崖。 2. 少样本微调（靶点仅有少量实测亲和力数据） 随微调配体数量增加，模型性能稳定提升，全程优于 FEP + 与初代 PBCNet；适合新药靶点 SAR 数据稀缺的研发场景。 3. 回顾性化合物优先级筛选（真实药物研发场景） 对比随机筛选基准：1）先导优化效率提升7.18 倍；2）药物研发资源投入降低40.51%；3）优势排序、资源节约、效率倍数三项指标全部优于 PBCNet 与 MM-GB/SA，统计学显著更优（P≤0.05）。 五、机制分析：精准捕捉精细受限分子相互作用 重点验证氟正交多极相互作用—— 药物化学中关键弱相互作用，具备严格几何标准（氟 - 羰基碳距离 3.0–3.7 Å，F・・・C=O 夹角接近 90°），传统力场、旧模型难以精准建模。 1.F-Opt 测试集定量结果：PBCNet2 平均绝对误差 MAE=0.33，全部样本预测符号 100% 匹配实验；初代 MAE=0.52，其余基线符号错误率 20%~50%； 2.角度扰动实验：人为将最优夹角偏离区间，模型对关键碳原子的交互权重大幅下降，证明模型可精准感知距离、角度双重几何约束； 3.初代缺陷：依赖固定原子势能，对氟 - 羰基碳配对分配极低交互权重，对角变化不敏感；张量等变架构是 PBCNet2.0 实现该能力的核心原因。 六、模型涌现能力：无需突变数据即可预测口袋突变亲和力变化 训练集完全不含氨基酸突变复合物，但模型自动泛化出耐药突变预测能力，底层逻辑：口袋氨基酸突变等价于蛋白侧链结构改变，与配体 R 基修饰属于同一「结构差异→亲和力变化」建模任务。 1.Mutation 突变基准集：平均斯皮尔曼 ρ=0.53；Boltz-2、Glide SP、多款 GNN 基线甚至出现负相关； 2.典型案例：胸苷合酶 N229C 突变，破坏关键氢键；实验 ΔpKd=-0.62，模型预测 - 0.79；可解释图显示野生型氢键氧原子权重 0.99，突变后权重完全归零； 3.上市 / 临床突变药物回溯：Olutasidenib（IDH1 突变）、MRTX1133（KRAS G12D）、Pirtobrutinib（BTK 突变），模型预测 ΔpIC50 与实验值高度吻合，可提前预判耐药突变风险。 七、前瞻性湿实验双靶点闭环验证 选取 ENPP1、ALDH1B1 两个全新药物靶点，完成「计算预测→化学合成→多重生化实验」完整验证，证明模型工业实用价值。 1. ENPP1 靶点：验证氟正交多极相互作用 •分子设计：A1 含氟，A2 将氟替换为氢，其余骨架完全一致；模型预测二者亲和力相差 40 倍（ΔpAct=1.61）； •生化验证：蛋白热迁移 PTS（ΔTm：3.8 ℃ vs 2.7 ℃）、酶活 IC₅₀（13.3 nM vs 2284 nM）、SPR 亲和力 Kd（35.3 nM vs 1030 nM）；实测 ΔpKd=1.46，与模型预测误差仅 0.15，直接证实氟介导的正交多极作用。 2. ALDH1B1 靶点：立体异构区分 + 耐药残基筛选 1）立体异构体识别：对映体 B1/B2 立体构型差异，导致 B1 可形成 π-π 堆积作用、B2 无法；模型预测 B1 活性高 10 倍，酶活、SPR 数据完全匹配；2）计算丙氨酸扫描：预测 43 个口袋残基中 15 个关键位点，选取 6 个做定点突变湿实验；5 个突变显著削弱配体结合（命中率 5/6），优于传统 MM-GB/SA 打分，可快速定位潜在耐药位点。 八、模型局限性与未来研究方向 1. 现存局限 1）输入依赖静态晶体 / 对接构象，无法显式模拟蛋白构象动态与结合熵效应；2）仅适用于配体结合模式相近的同系列化合物；R 基团改造彻底改变结合构象时预测失效；3）公共数据库偏向高活性分子，低活性阴性数据稀缺，不适合大规模苗头化合物筛选，仅用于先导分子、分子探针优化。 2. 未来拓展方向 1）扩充突变专用训练数据集，提升耐药突变预测精度；2）融合蛋白 - 配体共折叠技术，引入蛋白柔性构象建模；3）将 PBCNet2.0 作为预训练模型迁移至虚拟筛选，缓解传统模型 “死记配体” 的偏差；4）持续扩大训练数据与模型规模，当前性能尚未饱和；5）拓展无共晶结构靶点的适配能力。 九、数据、代码开源与可复现性 1.训练数据集：公开于 Zenodo； 2.测试数据集 + 完整源码：GitHub 开源（MIT 协议），链接：https://github.com/YuJie-0202/PBCNet2.0； 3.实验规范：所有评测独立重复 10 次，报告均值 ± 标准差；全部复现脚本开源，满足 Nature 可复现标准。 全文核心创新总结 1.精度 + 效率平衡：860 万超大训练集 + 笛卡尔张量等变 GNN，零样本性能媲美工业级 FEP+，同时计算资源降低 41%，先导优化速度提升 7.18 倍； 2.原子级可解释：自主学习氢键、氟正交多极等精细、强几何约束弱相互作用，输出原子交互权重指导药物结构改造； 3.涌现耐药预测能力：未使用任何突变数据训练，即可精准预判口袋氨基酸突变带来的亲和力变化，辅助耐药抑制剂开发； 4.完整研发闭环验证：双全新靶点前瞻性合成与生化实验证明，可直接落地分子探针发现、先导化合物优化、耐药突变预测三大药物研发核心场景。 生物智能：在生物先进产业场景中构建“状态感知-实时认知-自主决策-精准执行-学习提升”的生物科学智能（NeuroAI）；实现生物产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。 生物产业+物理AI=生物智能 产业智能官：NeuroAI 加入知识星球“生物智能研究院”：自动化生物铸造厂OT技术（自动化+机器人+工艺+精益）和新一代IT技术（云计算+物联网+区块链+大数据+人工智能）深度融合，在场景中构建“状态感知-实时认知-自主决策-精准执行-学习提升”的生物科学智能（NeuroAI）；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。 生物科学智能作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、供应链和服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态和新模式；引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。 产业智能化技术分支用来的今天，从业者必须了解如何将生物科学智能（NeuroAI）全面渗入整个公司、产品、业务等商业场景中，利用生物科学智能（NeuroAI）形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。 版权声明：产业智能官（ID：NeuroAI）发表的文章，除非确实无法确认，我们都会注明作者和来源，涉权请联系协商解决，联系、投稿邮箱：wolongzy@qq.com