Nat. Commun. | 基于 Transformer 架构的序列水平虚拟筛选方法在药物研发中的突破性进展

Sequence-based virtual screening using transformers

期刊: Nature Communications 链接: https://doi.org/10.1038/s41467-025-61833-8 代码: https://github.com/zshengyu14/LigandTransformer 简介: 该论文提出了一种基于 Transformer 架构的深度学习方法 Ligand-Transformer，其创新点在于通过序列水平的输入实现蛋白质 - 配体相互作用的预测，突破了传统方法对游离态分子构象的依赖。该方法以蛋白质的氨基酸序列和小分子的拓扑结构为输入，利用 AlphaFold2 和 GraphMVP 框架生成表征，通过跨模态注意力网络处理后，输出结合亲和力和构象空间的距离矩阵。实验中，在 PDBbind2020 数据集上与其他方法对比，表现出更优或相当的相关性；在 EGFR激酶抑制剂筛选中命中率达 58%，发现了低纳摩尔级效力的化合物；对 ABL 激酶抑制剂的构象选择性预测也与实验结果高度一致。该论文表明 Ligand-Transformer 能准确预测蛋白质与小分子的相互作用，为药物设计的初始步骤提供了高效工具。

在当代药物研发领域，蛋白质-配体相互作用的精准预测是推动新药发现的核心环节。传统高通量实验筛选不仅成本高昂、耗时漫长，且受限于假阳性/阴性率过高等问题，难以满足现代药物研发的效率需求。近期，发表于《Nature Communications》的研究论文《Sequence-based virtual screening using transformers》提出了一种基于Transformer架构的深度学习方法——Ligand-Transformer，通过序列水平的输入实现蛋白质-配体复合物构象空间与结合亲和力的精准预测，为药物设计领域带来了范式革新。本文将系统解析该方法的技术原理、性能验证及应用价值。

研究背景与技术突破

蛋白质-配体相互作用贯穿于几乎所有生物过程，其结合亲和力与构象动态是药物设计的关键指标。近年来，深度学习技术在蛋白质结构预测领域的突破性进展（如AlphaFold系列）为拓展至蛋白质-配体相互作用预测奠定了基础，但现有方法仍存在显著局限：基于结构的药物设计依赖游离态分子构象，难以捕捉复合物形成过程中的动态变化；基于配体的方法则受限于已知配体的结构特征迁移性不足。

Ligand-Transformer的核心创新在于构建了序列-拓扑驱动的预测框架：以蛋白质氨基酸序列和小分子拓扑结构为输入，直接输出复合物的构象空间分布（以距离矩阵表征）及结合亲和力，无需依赖游离态分子的三维结构。这种设计突破了传统方法对预处理结构数据的依赖，实现了从"静态结构依赖"向"动态序列解析"的转变，为未知靶点的虚拟筛选提供了全新可能。

模型架构与技术细节

Ligand-Transformer的架构设计融合了多模态信息处理的前沿思路，其核心由三个模块构成：

• • 表征生成层：采用AlphaFold2的Transformer框架提取蛋白质序列的中间表征（包括MSA特征、残基对特征及结构模块输出），同时利用GraphMVP框架处理小分子的2D分子图，通过自监督学习将3D几何信息嵌入2D图编码器，形成兼具拓扑特征与空间先验的配体表征。
• • 跨模态交互层：通过交叉注意力网络实现蛋白质与配体表征的信息交换，重点捕捉残基-原子间的距离约束与相互作用模式，解决了不同模态数据（序列vs分子图）的语义鸿沟问题。
• • 预测输出层：设计双预测头结构——亲和力预测头输出pKd/pIC50等量化指标，距离预测头生成残基-原子间的距离分布矩阵，共同构成复合物相互作用的完整描述。

这种架构设计的优势在于：通过复用AlphaFold2与GraphMVP的预训练知识，大幅降低了模型对标注数据量的依赖；中间表征的有效利用避免了直接预测三维结构带来的计算负担，使序列水平的快速筛选成为可能。

该图展示了 Ligand-Transformer 的模型结构，其将蛋白质 - 配体复合物表示为异质图，整合了蛋白质的残基和配体的原子集及成对特征。该图由 AlphaFold2 生成的蛋白质输入和 GraphMVP 生成的配体输入构建初始完整图，再经 12 层类 Transformer 网络优化，通过自注意力和成对偏置更新节点和边的表征。输出经亲和力头用于结合亲和力预测，经距离头用于距离分布预测。虚线框内组件参数固定，实线框内为可训练参数。

该图展示了 Ligand-Transformer 的模型结构，其将蛋白质 - 配体复合物表示为异质图，整合了蛋白质的残基和配体的原子集及成对特征。该图由 AlphaFold2 生成的蛋白质输入和 GraphMVP 生成的配体输入构建初始完整图，再经 12 层类 Transformer 网络优化，通过自注意力和成对偏置更新节点和边的表征。输出经亲和力头用于结合亲和力预测，经距离头用于距离分布预测。虚线框内组件参数固定，实线框内为可训练参数。

性能验证与基准对比

研究团队在多个基准数据集上对Ligand-Transformer进行了系统验证，其性能表现显著优于现有方法：

• • 亲和力预测精度：在PDBbind2020数据集（13,420个蛋白质-配体复合物）上，该模型与实验测量值的相关性（Pearson's R）显著高于HAC-Net、TankBind等主流方法，尤其在低数据量场景下表现出更强的泛化能力。
• • 构象预测准确性：对残基-残基距离的预测误差95%以上低于0.5Å，残基-配体原子距离误差95%在2Å以内，表明模型能够精准捕捉复合物的关键空间约束。
• • 计算效率：与传统分子对接方法（如Vina-GPU）和共折叠方法（Boltz-1）相比，Ligand-Transformer的筛选速度提升两个数量级以上，对10,000个分子的虚拟筛选可在常规计算资源下高效完成。

该图展示了 Ligand-Transformer（a）与其他主流对接方法（b）筛选 10,000 个分子的估计时间，结果显示 Ligand-Transformer 比 Boltz-1 快两个数量级，体现了其在计算效率上的显著优势，更适用于大规模虚拟筛选。

该图展示了 Ligand-Transformer（a）与其他主流对接方法（b）筛选 10,000 个分子的估计时间，结果显示 Ligand-Transformer 比 Boltz-1 快两个数量级，体现了其在计算效率上的显著优势，更适用于大规模虚拟筛选。

这些结果证实，Ligand-Transformer在预测精度与计算效率之间实现了优异平衡，为大规模虚拟筛选提供了实用工具。

实际应用与案例验证

EGFR耐药突变体抑制剂的发现

表皮生长因子受体（EGFR）的L858R/T790M/C797S（LTC）三重突变是肺癌治疗中的重大挑战，对现有抑制剂普遍耐药。研究团队利用Ligand-Transformer开展针对性筛选：

1. 1. 模型微调：在包含290种已知抑制剂的EGFRLTC-290数据集上进行十折交叉验证，微调后模型预测IC50值的Pearson's R从0.57提升至0.88，表明模型对该特定靶点的适配性显著增强。
2. 2. 虚拟筛选：对TargetMol库中的9,090种化合物进行筛选，基于11个模型（1个基础模型+10个微调模型）的一致性预测，最终选定12个候选化合物。
3. 3. 实验验证：6个化合物表现出抑制活性，其中C1（萘啶衍生物）和C10的IC50值分别达到5.5nM和1.2nM，且具有全新化学骨架，为后续优化提供了优质起点。

尤为重要的是，模型通过预测E762与G857残基距离，成功区分了抑制剂的结合模式（正交位vs变构位），揭示了αC-螺旋构象变化与抑制活性的关联机制，为靶点理性设计提供了分子层面的解释。

该图包含多个子图，a 和 b 分别展示了 Ligand-Transformer 在 EGFR-290 数据集上未使用迁移学习和使用迁移学习后，预测的结合参数与实验 plC₅₀值的相关性，后者 Pearson 相关系数提升至 0.88；c 展示了不同配体结合状态下 EGFR 的 E762 和 G857 残基间预测距离分布及结合模式；d 对比了 EGFR 激酶结构域活性与非活性状态的 X 射线结构；e 为配体与残基的预测距离线图；f 显示了所选化合物的体外激酶抑制实验结果及 IC50 值。

该图包含多个子图，a 和 b 分别展示了 Ligand-Transformer 在 EGFR-290 数据集上未使用迁移学习和使用迁移学习后，预测的结合参数与实验 plC₅₀值的相关性，后者 Pearson 相关系数提升至 0.88；c 展示了不同配体结合状态下 EGFR 的 E762 和 G857 残基间预测距离分布及结合模式；d 对比了 EGFR 激酶结构域活性与非活性状态的 X 射线结构；e 为配体与残基的预测距离线图；f 显示了所选化合物的体外激酶抑制实验结果及 IC50 值。

ABL激酶构象选择性预测

ABL激酶的构象动态（活性态A、非活性态I1/I2）与其功能调控密切相关，是设计高选择性抑制剂的关键。Ligand-Transformer通过预测残基距离矩阵，实现了构象种群迁移的精准预测：

• • 对12种已知选择性抑制剂的测试显示，11种化合物的预测主要结合构象与NMR实验结果一致。
• • 通过分析V308-F401（αC-螺旋与DFG基序）等关键残基对的距离分布，模型成功捕捉了不同抑制剂诱导的构象偏好性，如I2态抑制剂会显著缩短P-loop与DFG基序的距离，与晶体结构特征高度吻合。

这些结果表明，Ligand-Transformer不仅能预测结合强度，还能解析配体诱导的构象调控机制，为理解药物作用模式提供了全新视角。

a 展示了 ABL 激酶 A、I₁、I₂三种状态（对应 PDB ID 6XR6、6XR7、6XRG）的平均距离图和结构集合；b 为不同抑制剂的构象选择性预测，12 种分子按文献分为三组，分组柱状图显示各组在对应状态下的预测种群显著更高，红色三角形代表 AlphaFold2 预测的 apo 状态构象种群，预测种群与实验结果高度一致。

a 展示了 ABL 激酶 A、I₁、I₂三种状态（对应 PDB ID 6XR6、6XR7、6XRG）的平均距离图和结构集合；b 为不同抑制剂的构象选择性预测，12 种分子按文献分为三组，分组柱状图显示各组在对应状态下的预测种群显著更高，红色三角形代表 AlphaFold2 预测的 apo 状态构象种群，预测种群与实验结果高度一致。

该图展示了 ABL 三种状态间的差异距离矩阵，a 为 I₁状态与 A 状态的差异，b 为 I₂状态与 A 状态的差异，c 为 I₁状态与 I₂状态的差异，同时包含单因素方差分析的 F 统计值，颜色强度表示残基对距离分布在不同状态间差异的显著性，为理解构象差异提供了量化依据。

该图展示了 ABL 三种状态间的差异距离矩阵，a 为 I₁状态与 A 状态的差异，b 为 I₂状态与 A 状态的差异，c 为 I₁状态与 I₂状态的差异，同时包含单因素方差分析的 F 统计值，颜色强度表示残基对距离分布在不同状态间差异的显著性，为理解构象差异提供了量化依据。

ABL 的 V308 和 F401 残基间距离分析。a 为 ABL 三种状态中 V308 和 F401 残基的空间距离叠加图；b 展示了 A 状态中这两个残基的空间位置及相关功能区域标注；c 为 12 种抑制剂结合时两残基的距离分布，包含三种状态的实测结构距离核密度估计、AlphaFold2 预测的 apo 状态距离分布，以及 Ligand-Transformer 的预测结果，体现了不同抑制剂对构象的诱导偏好。

ABL 的 V308 和 F401 残基间距离分析。a 为 ABL 三种状态中 V308 和 F401 残基的空间距离叠加图；b 展示了 A 状态中这两个残基的空间位置及相关功能区域标注；c 为 12 种抑制剂结合时两残基的距离分布，包含三种状态的实测结构距离核密度估计、AlphaFold2 预测的 apo 状态距离分布，以及 Ligand-Transformer 的预测结果，体现了不同抑制剂对构象的诱导偏好。

讨论与展望

Ligand-Transformer的突破性意义体现在三个维度：

1. 1. 方法论创新：首次实现从序列-拓扑输入直接预测复合物构象空间，摆脱了对预处理结构的依赖，为缺乏结构信息的靶点提供了筛选可能。
2. 2. 应用价值：在耐药突变体EGFR和构象动态丰富的ABL激酶上的成功应用，证实了其在难处理靶点中的实用价值，58%的实验验证命中率远超传统虚拟筛选方法。
3. 3. 效率优势：两个数量级的速度提升使其能够应对大规模化合物库筛选，结合其开源特性（https://github.com/zshengyu14/LigandTransformer），有望成为学术界与工业界的标准化工具。

未来发展方向包括：拓展至蛋白-蛋白相互作用预测、整合自由能计算以提升亲和力预测精度、开发针对变构调节剂的专项优化模块等。可以预见，Ligand-Transformer将推动药物研发从"经验筛选"向"理性设计"的转型，为解决未满足的临床需求提供强大技术支撑。

(●'◡'●) 需要进一步讨论的同学欢迎留言交流！