.png){kind=icon}
返回
Alphappimi: a comprehensive deep learning framework for predicting PPI-modulator interactions
.png){kind=icon}
OA
AI
DOI：10.1186/s13321-025-01077-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
蛋白质-蛋白质相互作用（PPIs）通过复杂的界面调控关键生物学过程，其功能障碍与多种疾病相关。因此，识别PPIs及其界面靶向调节剂已作为关键的治疗策略。然而，发现靶向PPIs及其界面的调节剂仍具挑战性，因为传统的基于结构相似性的方法难以有效表征PPI靶点，特别是对于缺乏已知活性化合物的靶点。本文提出AlphaPPIMI，一种综合的深度学习框架，结合大规模预训练语言模型与领域自适应技术，用于预测PPI-调节剂相互作用，具体针对PPI界面。为支持稳健的模型开发与评估，我们构建了全面的PPI-调节剂相互作用（PPIMI）基准数据集。该框架整合来自Uni-Mol2的全面分子特征、源自前沿语言模型（ESM2和ProTrans）的蛋白质表示，以及由PFeature编码的PPI结构特征。通过专门的交叉注意力架构和条件域对抗网络（CDAN），AlphaPPIMI有效学习PPI靶点与调节剂之间的潜在关联，同时确保稳健的跨域泛化。广泛评估表明，AlphaPPIMI在PPIMI预测中持续优于现有方法，为优先筛选候选PPI调节剂（尤其是靶向蛋白质-蛋白质界面的调节剂）提供了有前景的方案。本研究提出AlphaPPIMI，一种新颖的深度学习框架，用于精确预测靶向蛋白质-蛋白质相互作用（PPIs）及其界面的调节剂。其核心贡献包括：针对多模态预训练表示协同融合的专门交叉注意力模块，以及条件域对抗网络（CDAN）的创新应用，显著提升跨不同蛋白质家族的泛化能力。AlphaPPIMI在精选基准测试中展现出卓越性能，为靶向PPI疗法的发现提供了强大的计算工具。
Keyword:
protein-protein interactions
modulator prediction
deep learning
domain adaptation
cross-attention architecture
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.7
论文数:
1.5K
被引数:
1.1W
机构
引用论文
分享收藏Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings在药物发现和开发环境中估算溶解度和渗透性的实验和计算方法
PREAI
分享收藏Present drug-likeness filters in medicinal chemistry during the hit and lead optimization process: how far can they be simplified?.png)
DRUG DISCOVERY TODAY
DRUG DISCOVERY TODAYIF7.5
PREAI
分享收藏In Vivo Activation of the p53 Pathway by Small-Molecule Antagonists of MDM2MDM2小分子拮抗剂对p53通路的体内激活Science
ScienceIF0
PREAI
分享收藏分享收藏
查看更多内容