Protease (MMP) Cleavage Prediction

简介

该模块具有两方面的功能：
1，用于预测肽段（长度不超过10个氨基酸）被18种基质金属蛋白酶（MMPs）切割的效率。
2，基于指定的目标切割谱（如：仅被MMP13切割），生成相应的多肽底物。

模块基于CleaveNet模型实现，CleaveNet是一种基于深度学习的蛋白酶底物设计工具，通过整合预测与生成技术，实现了从“虚拟筛选”到“智能设计”的转变。

CleaveNet包含两个核心模块：
预测模块

• 基于Transformer架构，训练于大规模mRNA展示肽段库数据。
• 针对18种基质金属蛋白酶（MMPs），能够预测肽段被特定蛋白酶切割的效率，测试集Pearson相关系数达0.80，优于传统二分类模型。
• 模型不仅复现了已知的酶切基序，还发现了新的底物偏好，例如甲硫氨酸在P4位的作用，拓展了对蛋白酶特异性的理解。

生成模块

• 采用条件化生成技术，用户可通过条件标签指定目标切割谱（如“对MMP13高活性、对其他MMPs低活性”）。
• 通过注意力机制调整生成方向，生成的6-mer肽段新颖度达89%，突破了训练数据的局限性。
• 与传统虚拟筛选相比，生成效率提升约5.5倍，支持复杂设计需求，如“双蛋白酶逻辑门”底物。

这一端到端的设计流程显著提高了底物设计的效率和精准性，为蛋白酶研究提供了一种全新的计算驱动方法。

实验验证
为评估CleaveNet的实际应用能力，研究团队以MMP13（一种与癌症转移、伤口愈合和骨关节炎相关的胶原酶）为目标，设计并合成了95条肽段底物，并通过荧光共振能量转移（FRET）技术验证其切割效率。实验结果表明：

• 切割效率：所有CleaveNet设计的MMP13底物均能被有效切割，其中一条底物（DL73）的切割效率比训练集中最优底物高出39%（p<0.01）。
• 特异性：3条底物（如DL41）实现了对MMP13的绝对特异性，不被其他MMPs切割；5条底物（如DL48）同时表现出高活性和高选择性，填补了传统方法的空白。
• 机制洞察：分析生成序列后，发现了P2位亮氨酸偏好和P3’位天冬氨酸的作用，为MMP13的特异性机制提供了新的研究方向。

这些结果验证了CleaveNet在设计高效且特异性底物方面的能力，同时也展示了其揭示未知底物偏好的潜力。

参数说明

Prediction

Peptide Sequence

必填参数，多肽序列，txt或fasta格式，支持多条（txt格式时，每行放置一条多肽，最多支持1000条多肽）。注意：多肽长度不能超过10个残基，超过长度的多肽序列会自动被过滤掉。
txt格式实例如下：

LRVFL
FMPLNFTASG
LGPYAMTSRG
AARFKKFATE

Output

可选参数，预测得到的MMPs酶切概率结果文件名称，默认为“pred_cleavage.csv”。

Generation

Number of Peptides

可选参数，指定需要生成的多肽数量，默认为50。

Z-score of MMPs

可选参数，指定多肽生成的酶切条件，CSV文件格式。包含每种MMP酶的酶切概率Z-score值，值越大表示酶切的可能性越高，值可为负，一般阈值为2.5，大于该阈值时，表示极大可能被酶切。模型会根据设置的各种MMPs酶的酶切概率Z-score值进行多肽生成。注意：18种MMPs的Z-score数值都必须设定，不能缺少任意一种。
文件内容实例如下：

MMP1,MMP10,MMP11,MMP12,MMP13,MMP14,MMP15,MMP16,MMP17,MMP19,MMP2,MMP20,MMP24,MMP25,MMP3,MMP7,MMP8,MMP9
2.0,1.2,2.2,2.9,3.3,4.1,2.2,3.1,2.2,1.91,3.6,2.83,2.7,0.2,1.8,2.1,0.61,4.2

以上内容为一组条件，也支持多组条件同时输入，每行一组条件即可。每组条件都会生成指定数量的多肽。多组条件示例如下：

MMP1,MMP10,MMP11,MMP12,MMP13,MMP14,MMP15,MMP16,MMP17,MMP19,MMP2,MMP20,MMP24,MMP25,MMP3,MMP7,MMP8,MMP9
2.0,1.2,2.2,2.9,3.3,4.1,2.2,3.1,2.2,1.91,3.6,2.83,2.7,0.2,1.8,2.1,0.61,4.2
3.33,2.5,3.6,2.7,2.9,5.2,3.4,4.2,2.7,2.0,3.5,2.6,4.0,3.1,3.5,0.61,2.1,2.9

Temperature

可选参数，指定生成的温度条件，用于控制生成多肽序列的多样性，默认为1.0，越大表示多样性越高。如果希望多样性低一些，推荐0.7，如果希望多样性再高一些，推荐1.2~1.5。

Output

可选参数，指定序列输出文件名称，fasta或txt格式，默认为“gen_seqs.fasta”。

结果说明

Prediction

预测得到的MMPs酶切概率结果文件，默认为pred_cleavage.csv。包含如下内容：

Generation

生成的序列文件，默认为“gen_seqs.fasta”。

参考文献

• Deep learning guided design of protease substrates. Carmen Martin-Alonso, Sarah Alamdari, Tahoura S. Samad, Kevin K. Yang, Sangeeta N. Bhatia, Ava P. Amini bioRxiv 2025.02.27.640681; DOI: 10.1101/2025.02.27.640681