引言

论文的引言首先概述了蛋白质序列-结构-功能关系的重要性，特别是蛋白质通过折叠形成特定的三级结构来执行其功能的过程。理解这种关系对于蛋白质结构预测和设计至关重要。近年来，得益于深度学习技术的进步和大量蛋白质序列数据的可用性，蛋白质结构预测取得了显著的进展。

传统的蛋白质序列设计方法依赖于物理能量函数或统计势函数，通过寻找能够以最低能量折叠成目标结构的序列。这些方法通常需要大量计算资源，并且实验验证的成功率较低，使得其在计算和实验方面的成本都非常高。因此，AlphaFold2等深度学习模型的出现引起了广泛关注。

尽管已有多种基于深度学习的蛋白质设计方法被开发出来，但大多数方法主要集中于提高序列恢复率，而较少进行实验验证。为了解决现有方法的局限性，作者提出了GeoSeqBuilder，这是一个基于几何特征和三体相互作用的深度学习框架，以提高设计效率和准确性。

GeoSeqBuilder 显式地对残基之间的三体相互作用进行建模，允许并行训练每个残基位置，从而避免了标签泄露，并加速了设计过程中的推理。通过在CATH 数据集上的测试，GeoSeqBuilder 实现了较高的残基恢复率，同时准确预测了侧链构象。此外，GeoSeqBuilder 生成的序列在实验验证中表现出稳定性和功能性。

总的来说，引言部分清晰地阐述了研究背景，讨论了当前方法的局限性，突出了深度学习在蛋白质设计中的重要性，并介绍了GeoSeqBuilder的创新点和潜在应用。

结果和讨论

Overview of the model architecture

GeoSeqBuilder 使用多尺度图卷积网络（GCN）来处理蛋白质的几何结构数据，模型通过以下步骤读取和学习数据：

1. 输入数据格式

GeoSeqBuilder 的输入数据主要是蛋白质的骨架结构，即由主链坐标（如 Cα 原子位置）构成的三维空间几何信息。模型将每个残基视为图中的节点，残基之间的几何相互作用被表示为图中的边（edges）。

数据特征包括：

残基坐标：表示每个残基在三维空间中的位置。
边缘特征：残基之间的距离、角度等几何信息。

2. 多尺度图卷积网络

模型采用多尺度的图卷积网络（GCN）来学习不同尺度的相互作用，步骤如下：

节点特征提取：从蛋白质骨架的几何特征中提取每个残基的局部环境信息，如相对位置、距离、角度等。
图卷积操作：通过邻近残基的特征来更新当前残基的特征。随着网络层数加深，残基能够获取更大范围的上下文信息。
- 1级网络：学习两体相互作用（如两个残基之间的距离）。
- 2级及更高级网络：学习三体及更高阶相互作用，捕捉更复杂的残基组合之间的关系。

3. 并行训练

GeoSeqBuilder 通过并行方式处理每个残基的预测任务。每个残基在不同尺度的图网络中独立学习其周围的几何环境特征，以便高效地推断残基的类型和侧链构象。

避免标签泄露：GeoSeqBuilder 使用了自掩码机制，确保模型仅使用当前和之前的已知信息，不会提前获取预测标签，避免“作弊”。

4. 训练目标

GeoSeqBuilder 通过最大化似然函数进行训练，生成与给定蛋白质骨架结构相匹配的残基序列。目标是最小化 -logP(Y|X)，确保生成的序列与骨架相容。

5. 输出结果

经过学习过程，GeoSeqBuilder 最终能够生成适合给定蛋白质骨架的残基序列，并预测每个残基的侧链扭转角度。这些结果可以进一步用于实验验证，以评估生成的蛋白质序列是否能够正确折叠和保持功能性。

图解说明：GeoSeqBuilder 模型架构

这张图展示了 GeoSeqBuilder 模型的整体架构和工作流程，主要用于基于几何深度学习的蛋白质序列生成。以下是对图中各部分的详细解释：

(a) Encoder-Decoder 框架

Backbone Encoding（骨架编码）：
- 提取蛋白质骨架中的特征，包括二级结构、序列位置和相对几何位置。这些特征被输入到多尺度图卷积网络（GNN）中。
Sequence Encoding（序列编码）：
- 通过捕捉蛋白质中的两体和三体相互作用，模型提取复杂的局部几何信息。
Multi-scale GNN（多尺度图卷积网络）：
- 提取不同尺度下的局部信息，帮助模型理解蛋白质残基之间的复杂相互作用。
Decoder（解码器）：
- 使用自掩码机制学习残基之间的耦合关系。解码器输出中心残基类型的分布和侧链的扭转角度，角度被离散化为 48 个区间。

(b) Multi-scale GNN（多尺度图卷积网络）

该模块显示了如何通过不同尺度（如一级、二级和更高阶）来连接节点和残基，从而捕捉不同空间层次的信息。每个节点代表一个残基，边表示残基之间的空间连接。

(c) Local Relative Geometry（局部相对几何）

展示了如何通过局部框架提取蛋白质几何信息，并保证旋转和平移不变性。通过计算残基之间的相对距离和方向来学习局部几何关系。

(d) Triangular Network（三体相互作用网络）

解释了如何通过三体相互作用预测中心残基类型。相比于仅考虑两体相互作用，三体相互作用网络还包含与相邻第三个残基形成的三角形相互作用，用于更好地捕捉复杂的蛋白质结构。

(e) 序列收敛过程

该部分展示了模型生成序列的迭代过程，以及如何通过 OmegaFold 验证生成的蛋白质结构与目标结构的匹配度。右侧的曲线展示了随着迭代次数的增加，生成序列的置信度 logP逐渐收敛。不同迭代步骤展示了模型从随机初始化到最终收敛时的 TM-score（结构相似性评分）和序列相似性。

总结

GeoSeqBuilder 通过多尺度图卷积网络捕捉蛋白质局部的几何信息，结合三体相互作用网络，生成与目标骨架结构高度一致的蛋白质序列。该模型能够有效地处理蛋白质残基之间复杂的相互作用，并在生成过程中通过反复迭代保证结果的准确性和一致性。

蛋白质侧链构象预测分析

在 GeoSeqBuilder 模型中，侧链构象的预测依赖于解码器模块，结合几何特征、残基类型以及局部相互作用信息生成侧链扭转角。以下是对蛋白质侧链构象预测部分的详细分析：

1. 侧链扭转角度的离散化处理

GeoSeqBuilder 将侧链的二面角（如 (_1)、(_2) 等）划分为 48 个离散区间（bin），每个区间覆盖 -180° 到 180° 的角度范围。这使得模型能够以概率分布的方式选择每个残基的侧链二面角。

2. 预测准确性

通过最大化侧链二面角的似然函数，GeoSeqBuilder 为每个残基选择最适合其几何结构的扭转角。模型在核心区域的疏水残基预测表现出高精度，而在暴露于溶剂中的残基，由于其更高的灵活性，预测的准确性稍低。

3. 结构依赖性

GeoSeqBuilder 充分利用了蛋白质的局部几何信息（如残基间的相对位置、距离和角度），这些信息在侧链构象预测中至关重要。通过三体相互作用网络，模型捕捉了残基的复杂几何约束，从而提高了侧链的预测质量。

4. 侧链构象与二级结构的关系

根据残基所在的二级结构类型，模型的预测准确度不同： - 螺旋结构：螺旋中的残基扭转角相对稳定，预测准确度较高。 - β折叠：疏水残基在 β 折叠中通常埋藏在核心区域，预测准确度较高。 - 环结构：环结构中的残基由于更高的灵活性，预测难度较大，特别是暴露在溶剂中的残基。

5. 氢键和其他相互作用

氢键等弱相互作用对侧链构象预测的影响较大，尤其是极性和带电残基。GeoSeqBuilder 在处理这些残基时，额外考虑了几何约束，以确保氢键的形成。

6. 置信度评估

通过计算侧链构象的熵值，模型评估了预测的置信度。对于蛋白质核心区域的残基，预测置信度较高，因为这些区域的构象较为保守。暴露于溶剂中的残基由于其灵活性较高，置信度较低。置信度分布通常呈现U 形曲线，表明在高保守性和高灵活性区域，置信度有所不同。

总结

GeoSeqBuilder 通过离散化侧链扭转角并结合三体相互作用网络，成功捕捉了蛋白质结构中的几何约束和相互作用。模型在预测疏水核心区域和螺旋结构中表现出较高的准确性，但在处理暴露于溶剂中的灵活残基时，预测精度相对较低。

Discussion 部分详述

GeoSeqBuilder 的讨论部分通常涉及对研究结果的解释、方法的优势与创新、局限性以及未来工作方向。以下是可能的讨论内容结构：

1. 结果总结与解读

作者首先总结了 GeoSeqBuilder 的关键结果，并对其进行了深入解释： - 模型在蛋白质序列恢复和侧链构象预测中表现出色，使用几何深度学习和多尺度图卷积网络显著提高了预测精度。 - 模型的序列恢复率在低丰度残基的预测上也表现优异，表明 GeoSeqBuilder 在处理极端条件时具有鲁棒性。

2. 方法的优势与创新

在这部分，讨论了 GeoSeqBuilder 的创新性以及相对于现有方法的优势： - 几何特征建模的优势：通过使用局部几何框架和三体相互作用，GeoSeqBuilder 能够捕捉蛋白质中复杂的相互作用，而不仅限于简单的两体相互作用。 - 自掩码机制：相比传统的自回归模型，自掩码机制使得序列生成过程中更加精准，避免了标签泄露。 - 多尺度图卷积网络：模型能够捕捉到蛋白质结构中局部和全局相互作用的平衡关系，有助于提升预测效果。

3. 模型局限性

讨论部分指出了 GeoSeqBuilder 的局限性： - 计算复杂度：尽管 GeoSeqBuilder 提供了高精度预测，但它在计算资源上要求较高，尤其是在处理大规模蛋白质结构时。 - 实验验证不足：模型尚未在广泛的蛋白质结构上进行实验验证，进一步的实验研究是必要的。 - 动态蛋白质的预测：模型基于静态结构数据，未考虑蛋白质的动态特性，可能影响处理柔性蛋白时的预测能力。

4. 与现有工作的比较

在与其他方法的对比中，GeoSeqBuilder 展现了其独特的优势： - 与基于能量函数或其他深度学习方法相比，GeoSeqBuilder 在捕捉残基间复杂的三体相互作用时表现更好。 - 相比 ProteinMPNN，GeoSeqBuilder 在低丰度残基的预测上表现更加准确。

5. 未来工作方向

作者提出了未来研究和改进的方向： - 改进计算效率：未来可能会优化模型的计算性能，使其能够处理更大规模的蛋白质结构。 - 动态蛋白质建模：将动态特性纳入模型，使其能够预测柔性和多构象蛋白质的行为，是未来的研究方向之一。 - 更多实验验证：扩展实验验证范围，进一步评估 GeoSeqBuilder 在更多蛋白质结构上的适用性。 - 新功能蛋白设计：研究 GeoSeqBuilder 在设计新型功能蛋白中的潜力，特别是在生物医药领域的应用。