当前位置：首页>农业>南京农业大学发表最新JCIM论文

南京农业大学发表最新JCIM论文

2026-10-17 21:59:03

南京农业大学发表最新JCIM论文

点击上方Medicine世界即可一键订阅

欢迎课题组投稿中文宣传稿，投稿方式见文末

ProtSATT：一种基于注意力机制的高级蛋白质溶解度预测器

南京农业大学黄君贤副教授团队针对蛋白质溶解度预测中现有计算方法未能充分利用互补蛋白质语言模型（PLM）信息而导致性能受限的问题，团队提出了一种基于注意力机制的高级蛋白质溶解度预测器 ProtSATT。该框架首先整合了 UniRep、ESM‑2 和 ProtT5 三种 PLM 提取的序列级嵌入特征，然后在其潜在空间内采用注意力机制进行特征提取与融合，使模型能够学习不同 PLM 衍生表征间的互补交互，从而完成下游的溶解度回归和表达相关分类任务。在 eSOL（R² = 0.5450，准确率 81.21%）、外部酿酒酵母（准确率 83.33%，无需额外微调）以及同源感知的大肠杆菌（二分类平均准确率 72.21%）等多个公开基准上，ProtSATT 取得了优于或可比肩现有方法的性能。此外，预计算 PLM 嵌入后，下游预测器仅含 6.0M 可训练参数，单 GPU 每秒可处理超过 11,400 条序列，展现了高效的计算能力。该研究为蛋白质工程提供了有效的计算支持，相关代码与模型已开源。

研究成果于2026年5月18日以题为“ProtSATT: An Advanced Protein Solubility Predictor Based on Attention Mechanism”发表在《Journal of Chemical Information and Modeling》上。

图1：通过两个子图展示了eSOL测试集和酿酒酵母外部测试集与eSOL训练集的最大序列同一性分布。子图A显示eSOL测试集与训练集之间同一性普遍低于40%，表明训练‑测试分割较好地控制了同源泄漏。子图B显示少数酿酒酵母序列与eSOL训练集同一性超过40%，提示该外部基准仍存在一定序列重叠，因此仅视为“同源减少”的迁移测试集，而非严格无同源集。该分析为后续跨数据集性能解读提供了关键边界条件。

图2：系统展示了ProtSATT的总体架构与数据流向：输入来自三种PLM的序列级嵌入，经预处理模块统一维度后，依次进入深度特征提取模块（自注意力+残差连接）、特征融合模块（成对交叉注意力）和输出模块（全连接层）。该设计通过注意力机制实现多源互补特征的分层交互与融合，为后续的溶解度回归和表达分类任务提供了可学习的表征基础。整体流程体现了“多源嵌入→模块化注意力→任务输出”的清晰递进关系。

针对蛋白质溶解度优化依赖耗时实验的瓶颈，ProtSATT 构建了基于序列的预测框架，整合 ProtT5、ESM‑2 与 UniRep 三种蛋白质语言模型的序列级嵌入，并利用自注意力与交叉注意力机制实现互补特征的高效提取与融合。在 eSOL 回归基准、同源感知的大肠杆菌分类及外部酿酒酵母测试集上，ProtSATT 均表现出优异且稳健的性能。该研究为发展结构感知、突变敏感及面向应用的蛋白质工程预测模型奠定了方法学基础。

Deng, Wencong; Chen, Zixin; Ji, Chengming; Gao, Jianfeng; Xu, Huanliang; Huang, Junxian (2026). ProtSATT: An Advanced Protein Solubility Predictor Based on Attention Mechanism. ACS Publications. Collection.

DOI：https://doi.org/10.1021/acs.jcim.6c00821

「Medicine世界」致力于构建一个涵盖生物医学前沿、蛋白质科学创新与临床转化应用的医学领域信息平台。我们重点关注蛋白质结构解析、动态修饰机制、药物靶点开发及精准医疗应用，追踪蛋白质组学与人工智能、基因编辑、免疫工程等领域的交叉突破，坚持“科学严谨、创新驱动、临床导向”的理念，推动医学研究从分子机制到治疗实践的跨越式发展。欢迎关注，投稿联系：2394448373@qq.com

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

最新文章

随机文章