蛋白質結構和功能的形成，很大程度上取決于側鏈原子間的相互作用，因此，精準的蛋白質側鏈預測（PSCP）是解決蛋白質結構預測和蛋白質設計難題的關鍵一環。但此前蛋白質結構預測大多聚焦于主鏈結構，側鏈結構預測始終是一個未被完全解決的難題。

近日，分子之心許錦波團隊推出一種新的 PSCP 深度架構 AttnPacker，在速度、內存效率和整體精度方面取得大幅提升，是目前已知的最優側鏈結構預測算法，也是全球首創的可同時進行蛋白質側鏈預測和序列設計的 AI 算法。

論文發表在《美國科學院院刊》（PNAS）上，其預訓練模型、源代碼和推理腳本都已在 Github 上開源。

• 論文鏈接：https://www.pnas.org/doi/10.1073/pnas.2216438120#supplementary-materials
• 開源鏈接：https://github.com/MattMcPartlon/AttnPacker

背景

蛋白質由數個氨基酸折疊而成，其結構分為主鏈和側鏈。側鏈的差異性對蛋白質的結構與功能有巨大影響，尤其是生物活性。基于對側鏈結構的清晰認知，科學家們能夠更精準地測定蛋白質三維結構，解析蛋白質 - 蛋白質之間的相互作用，并進行理性蛋白設計。應用到藥物設計領域，科學家們便能更快、更準確地找到適合藥物與受體的結合點位，甚至根據需要優化或設計結合點位；在酶優化領域，科學家們可以通過對序列的優化改造，讓多個側鏈參與催化反應，實現更高效、特異性更高的催化效果。

當前大多數蛋白質結構預測算法主要針對主鏈的結構解析，但蛋白質側鏈結構預測還是一個未被完全突破的難題。無論是 AlphaFold2 等熱門蛋白質結構預測算法，還是 DLPacker、RosettaPacker 等專注側鏈結構預測的算法，準確度或速度都不盡如人意。這也為蛋白質設計帶來了限制。

傳統方法，如 RosettaPacker，主要使用能量優化方法，先對側鏈原子的分布進行分組，再針對某個特定氨基酸來搜索側鏈的分組，尋找能量最小的組合。這些方法主要區別于研究者對旋轉異構體文庫、能量函數和能量最小化程序的選擇，準確性受限于對搜索啟發式方法和離散抽樣程序的使用。業界也有基于深度學習的側鏈預測方法，如 DLPacker，它將 PSCP 表述為圖像到圖像的轉換問題，并采用了 U-net 模型結構。但預測精度和速度依然不夠理想。

方法

AttnPacker 是一種端到端的預測蛋白質側鏈坐標的深度學習方法。它聯合模擬了側鏈相互作用，直接預測的側鏈結構在物理上更可行，具有更少的原子碰撞和更理想的鍵長和角度。

具體而言，AttnPacker 引入了一種利用 PSCP 的幾何和關系方面的深度圖轉換器架構。受 AlphaFold2 啟發，分子之心提出了位置感知三角形更新，以使用基于圖形的框架來計算三角形注意力和乘法更新，從而優化成對特征。通過這種方法，AttnPacker 的內存顯著減少并擁有更高容量的模型。此外，分子之心探索了幾種 SE (3) 等變注意力機制，并提出了一種用于從 3D 點學習的等變變換器架構。

AttnPacker 運行流程。以蛋白質主鏈坐標和序列作為輸入，并基于坐標信息導出空間特征圖和等變基。特征圖由不變量 graph-transformer 模塊處理，然后傳遞給一個等變的 TFN-Transformer 輸出預測的側鏈坐標、每個殘基的置信度分數和可選的設計序列。預測坐標經過后處理，以去除所有空間沖突，并確保理想化的幾何結構。

效果

在預測效果上，AttnPacker 對天然和非天然主鏈結構都顯示出準確性和效率上的改進。同時保證了物理上的可行性，與理想鍵長和角度的偏差可以忽略不計，且產生了最小的原子空間位阻。

分子之心在 CASP13 和 CASP14 天然和非天然蛋白質主鏈數據集上對 AttnPacker 與目前最先進的方法 ——SCWRL4、FASPR、RosettaPacker 和 DLPacker 進行對比測試。結果顯示，AttnPacker 在 CASP13 和 CASP14 天然主鏈上顯著優于傳統蛋白質側鏈預測方法，平均重建 RMSD 比每個測試集上的次優方法低 18% 以上。AttnPacker 還超越了深度學習方法 DLPacker，平均 RMSD 降低了 11% 以上，同時也顯著提高了側鏈二面角精度。除了準確性，AttnPacker 的原子碰撞明顯少于其他方法。

給出天然主鏈結構時，各算法在 CASP13 和 CASP14 目標蛋白上的側鏈結構預測結果。星號表示平均沖突值低于天然結構 ——CASP13 為 56.0、5.9 和 0.4，CASP14 為 80.4、7.9 和 2.5。

在 CASP13 和 CASP14 非天然主鏈上，AttnPacker 也明顯優于其他方法，原子碰撞也明顯少于其他方法。

給出非天然主鏈結構時，各算法在 CASP13 和 CASP14 目標蛋白上的側鏈結構預測結果。星號表示平均沖突值低于相應天然結構 ——CASP13 的 34.6、2.2、0.5 和 CASP14 的 40.0、2.7、0.7。

創新性地擯棄了離散的旋轉異構體庫以及計算上昂貴的構象搜索和采樣步驟，直接結合主鏈 3D 幾何結構來并行計算所有側鏈坐標。AttnPacker 與基于深度學習的方法 DLPacker、基于傳統計算方法的 RosettaPacker 相比，計算效率顯著提高，減少了 100 倍以上的推理時間。

不同 PSCP 方法的時間比較。重建所有 83 個 CASP13 目標蛋白的側鏈原子的相對時間。

AttnPacker 在蛋白質設計上的表現同樣優秀。分子之心訓練了一個 AttnPacker 變體用以協同設計，該變體可實現媲美當下最先進的方法的天然序列恢復率，同時還可生產高度精確的組裝。Rosetta 模擬驗證顯示，AttnPacker 設計的結構通常會產生亞原生（更低的）Rosetta 能量。

用 ESMFold scTM 和 plDDT 指標對比天然蛋白質序列和 AttnPacker 生成的序列，以評估 AttnPacker 的生成質量，結果表現出強相關性。

除了效果和效率驚人之外，AttnPaker 還有一個非常實用的價值 —— 它非常易用。AttnPaker 只需要一個蛋白質的結構文件即可運行。相比之下，OPUS-Rota4 (28) 需要來自 DLPacker 的原子環境的體素表示、來自 trRosetta100 的邏輯、二級結構和來自 OPUS-CM 輸出的約束文件。另外，由于 AttnPacker 直接預測側鏈坐標，輸出是完全可微分的，這有利于下游預測任務，例如優化或蛋白質 - 蛋白質相互作用。“預測效果好、效率高、易用，這些優勢有利于 AttnPacker 在研究和工業領域的廣泛使用。” 許錦波教授表示。

總結

1、AttnPacker 是一個用于直接預測序列和側鏈坐標的 SE（3）等變模型，可以用于蛋白質側鏈結構預測，也可用于蛋白質序列設計，是一項開創性的工作。

2、AttnPacker 的準確性優于其他方法，且效率大幅提升，并具備極高的易用性。