Mutation Energy of Stability (Pythia)

简介

该模块基于Pythia模型实现，该模型是一种针对零样本 ∆∆G 预测量身定制的自监督图神经网络。

蛋白质突变效应预测是解码分子进化机制、优化蛋白质工程改造的关键物理量。然而，传统预测方法面临两大挑战：一是基于物理力场的计算方法（如自由能微扰）计算复杂度高，难以满足大规模筛选需求；二是依赖于实验数据的监督学习方法易受训练集偏差影响，泛化能力受限。

为了应对这些问题，研究团队提出了Pythia框架，它结合了图神经网络与注意力机制，能够直接从蛋白质的三维结构中学习氨基酸之间的相互作用。通过这种“零监督”预训练策略，Pythia突破了传统方法对标记数据的依赖，成功捕捉了蛋白质折叠过程中隐藏的物理化学约束规律。

Pythia的模型架构采用了将蛋白质局部结构转化为k近邻图的方式，每个氨基酸作为节点，通过欧几里得距离连接其32个最近的氨基酸。节点的特征包括氨基酸类型以及主链的二面角，边的特征则涉及主链原子之间的距离、序列位置和链信息。通过消息传递神经网络（MPNN）架构，Pythia可以高效地更新每个氨基酸节点的信息，并对突变的稳定性变化进行准确预测。

与传统的基于物理力场的方法相比，Pythia能够在单核计算中实现每分钟预测约50,000个突变，速度提升了5个数量级。其在标准测试集S2648上的Spearman相关系数为0.616，Pearson相关系数为0.598，表现优于现有的所有对比模型。这一进展为大规模蛋白质序列空间扫描提供了强大的计算支持，能够处理多达2600万个高质量蛋白质结构数据，显著加深了我们对蛋白质序列空间的理解。

在实验验证中，Pythia表现出了比传统能量函数方法高出一倍的成功率，充分证明了其在实际应用中的可靠性。同时，Pythia的可解释性也为蛋白质工程提供了宝贵的生物学见解，使其更易于应用于复杂的蛋白质工程任务。

模型架构：Pythia将蛋白质局部结构转换为k近邻图，其中每个氨基酸作为一个节点，并通过欧几里得距离连接其32个最近的氨基酸。节点的特征包括氨基酸类型和主链的二面角（φ、ψ、ω），边的特征包括主链原子之间的距离、序列位置和链信息。

训练目标：Pythia的训练目标是预测中心节点的自然氨基酸类型，使用来自节点和边的信息。

消息传递神经网络（MPNN）：Pythia采用消息传递神经网络（MPNN）架构，具体为带有注意力机制的消息传递层（AMPL）。在每个AMPL层中，顶点表示通过注意力块更新，然后与边表示连接以派生消息表示，最终通过另一个注意力块进一步细化节点表示。

损失函数：通过估计特定位置处每个氨基酸的概率来实现ΔΔG的预测。

在与其他自监督预训练模型和基于力场的方法的比较基准中，Pythia以极高的相关性超越其他同类算法，同时以最少的参数运行，使得计算速度显着加快，高达105倍。Pythia的功效通过其在预测柠檬烯环氧水解酶 (LEH) 的热稳定突变中的应用得到证实，实验成功率显着提高。
S2648数据集上的性能：Pythia在S2648数据集上的Spearman相关系数为0.616，Pearson相关系数为0.598，优于所有测试的模型。
S669数据集上的性能：在S669数据集上，Pythia的Spearman相关系数为0.66，在所有评估的方法中表现最佳。

大规模数据集上的性能：在一个包含约100万个突变的百万级数据集上，Pythia的Spearman相关系数为0.602，Pearson相关系数为0.633，AUROC为0.83，AUPRC为0.88。
计算速度：Pythia的计算速度比传统的力场方法快105倍，能够在20秒内完成S2648数据集的计算，单核速度约为50,000个突变/分钟。

参数说明

Structure PDB

蛋白结构文件，PDB格式。不支持含有非标准氨基酸的蛋白。

Chain

指定要突变扫描的链名，可多链，用英文逗号分隔，如：A,B，默认为空，表示全部链都扫描。

Numbering Type

抗体编号规则，支持Kabat, Chothia和IMGT，默认为Kabat。

TopN

指定输出能量最优的前N个突变对应的序列，默认为100。

Output

输出文件名称，默认mutation_energy.csv。

Output_fmt

特定格式化的输出文件名称，默认mutation_energy_fmt.csv。

Output_Chain_Seq

输出TopN对应的突变链的序列，默认为mutant_seqs.fasta。

Output_Cpx_Seq

输出TopN对应的复合物序列，复合物中各链之间用分号:分隔（Boltz2结构预测的批量模式），默认为mutant_seqs_complex.fasta。

备注：当前24GB的GPU显存支持计算的残基数量在2000个左右。

结果说明

输出mutation_energy.csv结果文件，包含以下信息：

输出mutation_energy_fmt.csv结果文件，包含如下信息：

输出结果对应的热图mutation_energy_[chain].png
输出TopN对应的突变链的序列mutant_seqs.fasta。
输出TopN对应的复合物序列，复合物中各链之间用冒号:分隔（Boltz2结构预测的批量模式）mutant_seqs_complex.fasta。

参考文献

• Jinyuan Sun, Tong Zhu, Yinglu Cui, Bian Wu, Structure-based self-supervised learning enables ultrafast protein stability prediction upon mutation, The Innovation, Volume 6, Issue 1, 2025, 100750, ISSN 2666-6758, DOI: 10.1016/j.xinn.2024.100750