PIT-GCL：使用拓扑图对比学习进行蛋白质相互作用预测

arXiv:2610.04850v2 公告类型：替换 摘要：蛋白质结合预测是靶点识别、治疗性结合剂设计和大规模筛选的核心环节，但由于结合过程取决于序列、三维几何结构以及全局结构组织，因此仍然具有挑战性。近年来，AlphaFold3 和 Boltz-2 等折叠模型显著提升了结构预测性能，但其置信度输出（pLDDT、pTM、ipTM）并非专门用于二元结合预测，而专用的结构感知预测器通常需要结合态复合物结构，这类结构无法在筛选规模下获得。我们提出 PIT-GCL，一种结构感知的双塔框架，从氨基酸序列、C{\alpha}点云和全局持久同调描述符中分别独立编码每个蛋白质。每个塔将残基级 ESM-2 嵌入与基于 Vietoris-Rips 过滤的 H0 和 H1 持久景观计算得到的拓扑摘要相结合，并利用结构感知 Transformer 处理所得标记，其中成对 C{\alpha} 距离作为可学习的注意力偏置输入。随后，双向交叉注意力模块在两个蛋白质表示之间执行潜在空间软对接，模型则通过二元交叉熵与 NT-Xent 对比目标相结合的损失进行训练。在三个二元相互作用预测基准上——PPIRef 上的一般蛋白质-蛋白质相互作用（PPI）、STAG 上的 TCR-pMHC 结合，以及 PPB-Affinity 上的全链对——在我们的评估中，PIT-GCL 在一般 PPI 任务上优于具有代表性的基于序列、结构感知和任务专用基线方法，并且是 PPB-Affinity 上唯一性能超过随机水平的方法；在 TCR-pMHC 任务上，PIT-GCL 在固定决策阈值下表现最佳，但排名低于一个任务专用的序列模型。由于每个蛋白质在第一阶段均被独立编码，其表示可以预先计算并在候选蛋白质对之间复用，这为大规模筛选提供了便利。