Nature | 基于交叉注意力图神经网络的酶特异性预测

DrugOne

发布于 2025-10-14 16:58:00

150

文章被收录于专栏：DrugOneDrugOne

DRUGONE

酶是生命的分子机器，其功能核心在于底物特异性——即识别并选择性作用于特定底物的能力。这种特异性来源于酶活性位点的三维结构与复杂的过渡态构象。然而，数百万已知酶仍缺乏可靠的底物特异性信息，严重限制了其在生物催化与药物设计中的应用。

研究人员开发了一种名为 EZSpecificity 的交叉注意力（cross-attention）增强型 SE(3)-等变图神经网络（GNN），可基于序列与结构层面的信息预测酶底物特异性。该模型在研究人员自建的高质量数据库 ESIbank 上训练，该库整合了序列、结构及酶-底物复合物信息。与现有模型相比，EZSpecificity 在未知底物与未知酶的预测中均表现更优。在八种卤化酶与 78 个底物的实验验证中，EZSpecificity 准确识别单一潜在反应底物的精度达到 91.7%，显著高于当前最优模型 ESP（58.3%）。这一框架为理解酶功能与应用于生物催化、合成生物学及药物发现提供了通用解决方案。

近年来，多种机器学习工具被用于酶底物特异性预测，但大多仅针对特定家族且效果有限。现有模型如 CLEAN、ProteInfer、DeepECTransformer 等虽可预测功能，却难以区分同一 EC 编号下的不同反应或底物特异性，这是生物催化领域的核心挑战。

传统的复合物预测模型（如 ESP、CPI 等）主要基于分子指纹或序列嵌入，但未能充分捕捉催化残基身份、空间构型与长程耦合效应等关键因素。研究人员指出，如何将序列、结构与相互作用信息全面整合，是提升预测精度的关键。

为此，研究人员构建了 ESIbank 数据库，涵盖天然与非天然底物、突变体酶及其复合物结构，并基于此开发了 EZSpecificity 模型。该模型通过结构感知的图神经网络与交叉注意力机制，直接建模酶-底物的原子级相互作用，从而显著增强了预测的可解释性与泛化能力。

方法概述

EZSpecificity 框架由三大核心部分组成：

数据构建（ESIbank）：整合 BRENDA、UniProt、AlphaFold、AlphaFill 等资源，结合自动化提取与分子对接流程，生成 32 万对高质量酶-底物复合物，涵盖 8,000 多种酶与 34,000 多种底物。
模型设计：采用 SE(3)-等变图神经网络表征酶活性位点及底物的三维微环境，并引入双向交叉注意力层，以捕捉酶氨基酸与底物原子间的关键特异性信号。
训练与预测：使用多层感知机（MLP）输出特异性评分，预测酶是否能作用于给定底物。模型在随机、未知底物、未知酶及双未知等多种场景下进行交叉验证。

结果

模型架构与性能

现有模型多依赖一维序列与二维分子图，忽略了底物结合的三维本质。EZSpecificity 整合序列信息、复合物结构与活性口袋环境，利用 SE(3)-等变图网络保持三维旋转与平移不变性，并通过交叉注意力层识别关键的酶–底物相互作用区域。

模型训练后，EZSpecificity 在四种评估场景中均超越 ESP 模型，特别是在最具挑战的“双未知”（未知酶与未知底物）情形下表现显著提升。其 AUROC 值比 ESP 提高约 7%，AUPR 提升约 9%，表明其预测更加稳健。

消融实验进一步表明：去除结构信息或交叉注意力层都会降低模型性能，说明三维表示与交互机制对捕获底物特异性至关重要。

图 1 | EZSpecificity 框架

ESIbank 数据库的构建

为训练模型，研究人员建立了涵盖 32 万余条记录的 ESIbank（Enzyme–Substrate Interaction Bank）。该数据库融合序列、结构及反应信息，是迄今规模最大、分辨率最高的酶–底物复合物资源。

其特点包括：

收录天然与非天然底物 34,417 种；
覆盖野生型与突变酶 8,124 种；
包含 323,783 个酶–底物对，规模约为 ESP 数据集的 25 倍。

所有复合物通过 AutoDock-GPU 高速对接生成，确保活性位点精确匹配，为模型提供了真实的空间约束。

图 2 | 综合酶–底物互作数据库（ESIbank）的构建流程

基准评估与消融分析

EZSpecificity 在所有测试集上均明显优于 ESP 与 CPI 模型。在随机划分数据上，AUROC 提高至 0.88（ESP 仅 0.65），AUPR 提升近三倍。

模型消融分析显示，交叉注意力层可增强模型聚焦于特异性决定性原子或残基的能力，从而减少背景噪声影响。

此外，EZSpecificity 在不同 EC 编号层级下均保持较高的分辨率，能够区分同一家族或突变体之间的底物差异，展现了强大的泛化与细粒度识别能力。

图 3 | EZSpecificity 在 ESIbank 数据集上的评估结果

跨酶家族的泛化与微调

研究人员进一步在六个典型酶家族（如水解酶、糖基转移酶、硫解酶等）中测试模型泛化性。EZSpecificity 在未知底物与未知酶场景下依旧保持高性能（平均 AUPR 达 0.68）。

两种微调策略被评估：

Fine-tune 模式：在原模型上针对目标酶家族进行微调，可提升约 7%；
Individual 模式：仅使用目标家族数据重新训练，性能在部分任务中更优。

这些结果说明 EZSpecificity 在数据量有限时仍具鲁棒性，且适用于特定家族的特异性建模。

EZSpecificity 在六个代表性酶家族中的计算机模拟评估

卤化酶实验验证

为了验证模型预测的真实性，研究人员选取 8 种黄素依赖卤化酶及 78 种底物进行体外实验。

在未经微调的条件下，EZSpecificity 的 AUROC 值在 0.77–0.94 之间，AUPR 为 0.54–0.85；经微调后进一步提升至 0.80–0.96 与 0.57–0.88。

在 12 种新底物测试中，EZSpecificity 的 Top-1 准确率达 91.7%，显著高于 EZSpecificity-w/oGCS（41.7%）和 ESP（58.3%）。其集成模型在 Top-5 范围内的总体准确率维持在 62–85% 之间，证明结构与交叉注意力机制显著提升了真实场景下的预测精度。