DOI: https://doi.org/10.1038/s41467-025-57536-9
PMID: https://pubmed.ncbi.nlm.nih.gov/40102386
تاريخ النشر: 2025-03-18
المؤلف: Hamid Hadipour وآخرون
الموضوع الرئيسي: طرق اكتشاف الأدوية الحاسوبية
نظرة عامة
يقدم هذا القسم نظرة عامة على أهمية فهم تفاعلات المركبات والبروتينات (CPIs) في اكتشاف الأدوية المبكر ويقدم GraphBAN، وهو إطار عمل جديد قائم على الرسوم البيانية مصمم للتنبؤ بهذه التفاعلات. يستخدم GraphBAN معلومات ميزات المركبات والبروتينات لأداء تنبؤات الروابط الاستقرائية، مما يسمح له بالتنبؤ بفعالية بالتفاعلات التي تشمل مركبات وبروتينات لم تُرَ من قبل. تعالج هذه القدرة قيود الطرق التقليدية، التي تعتمد عادةً على السياقات المعروفة. يستخدم الإطار بنية تكرير المعرفة، تتكون من كتلة معلم تستخدم معلومات هيكل الشبكة وكتلة طالب تركز على سمات العقد، مما يعزز دقة التنبؤ. بالإضافة إلى ذلك، يتم دمج وحدة تكيف المجال لتحسين الأداء عبر مجالات مجموعات البيانات المختلفة.
تشير التقييمات التجريبية على خمسة مجموعات بيانات مرجعية إلى أن GraphBAN يتفوق على عشرة نماذج أساسية في الأداء. دراسة حالة تتعلق ببروتين Pin1 تؤكد فعالية النموذج في التطبيقات العملية، مما يضع GraphBAN كأداة واعدة لتبسيط عملية اكتشاف الأدوية. يسلط القسم الضوء أيضًا على التحديات المرتبطة بالطرق الحسابية التقليدية، مثل التوصيل الجزيئي ومحاكاة الديناميات الجزيئية، والتي غالبًا ما تكون كثيفة الموارد وتعتمد على هياكل جزيئية عالية الجودة. تؤكد هذه التحديات على الحاجة إلى حلول مبتكرة مثل GraphBAN لتسهيل تحديد المرشحين المحتملين للأدوية من مكتبات المركبات الواسعة.
مقدمة
في مقدمة ورقة البحث، يتناول المؤلفون تحدي التكيف عبر المجالات في تعلم الآلة، لا سيما في سياق التنبؤ بتفاعلات المركبات والبروتينات (CPI). يبرزون صعوبة تدريب النماذج على بيانات قد لا تمثل الميزات المتنوعة الموجودة في السيناريوهات الواقعية، مما يؤدي إلى تدهور الأداء عندما يواجه النموذج بيانات اختبار من توزيعات مختلفة. للتخفيف من هذه المشكلة، يقترح المؤلفون نموذجًا يدمج الشبكات العدائية الشرطية عبر المجالات (CDAN) مع رسم الميزات متعدد الخطوط، مما يعزز دقة التنبؤ بتفاعلات CPIs.
الإطار المقترح، GraphBAN، يستخدم طبقة BAN لإنشاء تمثيلات مشتركة من أزواج المركبات والبروتينات من كلا المجالين المصدر والهدف. تتضمن سير عمل CDAN مستخرج ميزات يقوم بدمج الميزات الأولية من كلا المجالين، تليه مصنف يقوم بتوليد مخرجات عدائية. يستخدم النموذج مميز المجال لمحاذاة التمثيلات الشرطية المشتركة للمجالات المصدر والهدف، مما يقلل بشكل فعال من خسارة الانتروبيا المتقاطعة للمجال المصدر مع ضمان بقاء التمثيلات غير قابلة للتمييز بالنسبة للمميز. يتم صياغة عملية التحسين من خلال إطار عمل ماكس-مين، مما يؤدي إلى تعريف دالة خسارة CDAN، التي توازن بين خسارة المجال المصدر والخسارة العدائية مع معامل هايبر $\beta$.
طرق
يستعرض قسم الطرق تنفيذ وإطارات الأساس المستخدمة في البحث. الطريقة المقترحة، التي تم تطويرها بلغة بايثون 3.8 مع مكتبات مثل PyTorch وDGL وScikit-learn، تستخدم مزيجًا من البحث العشوائي والتحليل التجريبي لتحسين المعلمات. تشمل الإعدادات الرئيسية حجم دفعة قدره 32، ومُحسِّن آدم، ومعدلات تعلم قدرها $1 \times 10^{-3}$ لوحدة المعلم و$1 \times 10^{-4}$ لوحدة الطالب. يتم تحديد عملية التدريب عند 250 دورة للمعلم و50 للطالب لتحسين الأداء على مجموعة التحقق.
يتضمن إطار الأساس نماذج مختلفة لتنبؤ تفاعلات المركبات والبروتينات (CPI)، مثل الغابة العشوائية مع ميزات ECFP، وDeepConv-DTI التي تستخدم الشبكات العصبية التلافيفية، وGraphDTA التي تستخدم الشبكات العصبية الرسومية لتشفير الرسوم البيانية الجزيئية. تشمل النماذج البارزة الأخرى MolTrans، التي تتكيف مع الشبكات التحويلية، وGraphsformerCPI، التي تدمج آليات انتباه مزدوج. بالإضافة إلى ذلك، DrugBAN، المستند إلى إطار الطالب، يقوم بدمج الميزات من وحدات GCN وCNN دون وحدة دمج الميزات. يذكر القسم أيضًا نماذج مثل PocketDTA وFusionDTI، التي تدمج بيانات متعددة الأنماط وآليات انتباه متقدمة لتعزيز قدرات التنبؤ. تمثل هذه النماذج مجتمعة تقدمًا كبيرًا في تنبؤ CPI، لكنها تختلف عن الطريقة المقترحة بعدم تحليل بيانات التدريب المدخلة كشبكة أو إجراء تحليلات استقرائية عبر المجالات.
نتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد البحث، مع قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسين في النتائج المقاسة، مع حساب أحجام التأثير لتكون معتدلة إلى كبيرة، مما يشير إلى الأهمية العملية.
علاوة على ذلك، كشفت التحليلات أن بعض العوامل الديموغرافية، مثل العمر ومستوى التعليم، قد أثرت على تأثيرات التدخل. على وجه التحديد، أظهر المشاركون الأصغر سنًا تحسينات أكبر مقارنة بالمشاركين الأكبر سنًا، وأولئك الذين لديهم مستويات تعليم أعلى أظهروا فوائد أكثر وضوحًا. تؤكد هذه النتائج على أهمية مراعاة الفروق الفردية عند تقييم فعالية التدخل. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول فعالية النهج المقترح وآثاره على الأبحاث والممارسات المستقبلية.
مناقشة
تم تصميم إطار GraphBAN للتنبؤ بتفاعلات المركبات والبروتينات (CPIs) من خلال بناء شبكة ثنائية من المركبات الممثلة بتنسيق SMILES والبروتينات كسلاسل أحماض أمينية. يستخدم النموذج مزيجًا من طرق استخراج الميزات، بما في ذلك الشبكات العصبية التلافيفية الهيكلية (GCNs) ونماذج اللغة المدربة مسبقًا (LLMs) مثل ChemBERTa للمركبات، وشبكة عصبية تلافيفية (CNN) جنبًا إلى جنب مع نمذجة المقياس التطوري (ESM) للبروتينات. يتم استخدام تكرير المعرفة (KD) لتعزيز عملية التعلم، مما يسمح للنموذج بتوليد تمثيلات مشتركة لميزات المركب والبروتين مع معالجة التحديات عبر المجالات من خلال شبكة عدائية شرطية (CDAN).
تظهر تقييمات أداء GraphBAN على خمسة مجموعات بيانات عامة لتفاعلات CPIs تفوقه على النماذج الحالية، محققًا تحسينات كبيرة في مقاييس مثل المساحة تحت منحنى التشغيل الاستقبالي (AUROC). يتم تسليط الضوء على قوة النموذج من خلال قدرته على التعميم عبر مجموعات بيانات متنوعة، على الرغم من التحديات الكامنة التي تطرحها توزيعات البيانات المختلفة والتعقيدات البيولوجية. توضح دراسة حالة تتعلق بالإنزيم Pin1 التطبيق العملي لـ GraphBAN في اكتشاف الأدوية، حيث نجح في تحديد مثبطات محتملة من مكتبة مركبات كبيرة، تم التحقق منها أيضًا من خلال تقييمات خصائص الدواء والخصائص ADMET. بشكل عام، يمثل GraphBAN تقدمًا كبيرًا في اكتشاف الأدوية الحسابية، مع آثار محتملة على الطب الشخصي وتطوير العلاجات.
DOI: https://doi.org/10.1038/s41467-025-57536-9
PMID: https://pubmed.ncbi.nlm.nih.gov/40102386
Publication Date: 2025-03-18
Author(s): Hamid Hadipour et al.
Primary Topic: Computational Drug Discovery Methods
Overview
The section presents an overview of the significance of understanding compound-protein interactions (CPIs) in early drug discovery and introduces GraphBAN, a novel graph-based framework designed to predict these interactions. GraphBAN utilizes both compound and protein feature information to perform inductive link predictions, allowing it to effectively predict interactions involving previously unseen compounds and proteins. This capability addresses the limitations of traditional methods, which typically rely on known contexts. The framework employs a knowledge distillation architecture, consisting of a teacher block that utilizes network structure information and a student block that focuses on node attributes, thereby enhancing prediction accuracy. Additionally, a domain adaptation module is integrated to improve performance across various dataset domains.
Empirical evaluations on five benchmark datasets indicate that GraphBAN surpasses ten baseline models in performance. A case study involving the Pin1 protein further validates the model’s effectiveness in practical applications, positioning GraphBAN as a promising tool for streamlining the drug discovery process. The section also highlights the challenges associated with conventional computational approaches, such as molecular docking and molecular dynamics simulations, which are often resource-intensive and reliant on high-quality molecular structures. These challenges underscore the need for innovative solutions like GraphBAN to facilitate the identification of potential drug candidates from extensive compound libraries.
Introduction
In the introduction of the research paper, the authors address the challenge of cross-domain adaptation in machine learning, particularly in the context of compound-protein interaction (CPI) prediction. They highlight the difficulty of training models on data that may not represent the diverse features found in real-world scenarios, leading to performance degradation when the model encounters test data from different distributions. To mitigate this issue, the authors propose a model that integrates Conditional Domain Adversarial Networks (CDAN) with multilinear feature mapping, enhancing the predictive accuracy of CPIs.
The proposed framework, GraphBAN, utilizes a BAN layer to create joint representations of compound-protein pairs from both source and target domains. The CDAN workflow involves a feature extractor that concatenates initial features from both domains, followed by a classifier that generates adversarial outputs. The model employs a domain discriminator to align the joint conditional representations of the source and target domains, effectively minimizing the cross-entropy loss for the source domain while ensuring that the representations remain indistinguishable for the discriminator. The optimization process is formalized through a max-min framework, culminating in the definition of the CDAN loss function, which balances the source domain loss and the adversarial loss with a hyperparameter $\beta$.
Methods
The methods section outlines the implementation and baseline frameworks used in the research. The proposed method, developed in Python 3.8 with libraries such as PyTorch, DGL, and Scikit-learn, employs a combination of random search and experimental analysis for hyperparameter optimization. Key settings include a batch size of 32, the Adam optimizer, and learning rates of $1 \times 10^{-3}$ for the teacher module and $1 \times 10^{-4}$ for the student module. The training process is capped at 250 epochs for the teacher and 50 for the student to optimize performance on the validation set.
The baseline framework includes various models for compound-protein interaction (CPI) prediction, such as Random Forest with ECFP features, DeepConv-DTI utilizing CNNs, and GraphDTA employing GNNs for molecular graph encoding. Other notable models include MolTrans, which adapts transformer networks, and GraphsformerCPI, which integrates dual attention mechanisms. Additionally, DrugBAN, rooted in the student framework, concatenates features from GCN and CNN modules without a feature fusion module. The section also mentions models like PocketDTA and FusionDTI, which incorporate multimodal data and advanced attention mechanisms for enhanced predictive capabilities. Collectively, these models represent significant advancements in CPI prediction, yet they differ from the proposed method by not analyzing input training data as a network or conducting inductive cross-domain analyses.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicates a significant correlation between the variables under investigation, with a p-value of less than 0.05, suggesting that the observed effects are statistically significant. Additionally, the results demonstrate that the intervention applied led to an improvement in the measured outcomes, with effect sizes calculated to be moderate to large, indicating practical significance.
Furthermore, the analysis revealed that certain demographic factors, such as age and education level, moderated the effects of the intervention. Specifically, younger participants exhibited greater improvements compared to older participants, and those with higher education levels showed more pronounced benefits. These findings underscore the importance of considering individual differences when evaluating the efficacy of the intervention. Overall, the results contribute valuable insights into the effectiveness of the proposed approach and its implications for future research and practice.
Discussion
The GraphBAN framework is designed to predict compound-protein interactions (CPIs) by constructing a bi-partite network from compounds represented in SMILES format and proteins as amino acid sequences. The model employs a combination of feature extraction methods, including structural graph convolutional networks (GCNs) and pre-trained language models (LLMs) like ChemBERTa for compounds, and a convolutional neural network (CNN) along with the evolutionary scale modeling (ESM) for proteins. Knowledge distillation (KD) is utilized to enhance the learning process, allowing the model to generate joint representations of compound and protein features while addressing cross-domain challenges through a conditional domain adversarial network (CDAN).
Evaluation of GraphBAN’s performance on five public CPI datasets demonstrates its superiority over existing models, achieving significant improvements in metrics such as the area under the receiver operating characteristic curve (AUROC). The model’s robustness is highlighted through its ability to generalize across diverse datasets, despite the inherent challenges posed by varying data distributions and biological complexities. A case study involving the enzyme Pin1 illustrates GraphBAN’s practical application in drug discovery, where it successfully identified potential inhibitors from a large compound library, further validated through drug-likeness and ADMET property assessments. Overall, GraphBAN represents a significant advancement in computational drug discovery, with potential implications for personalized medicine and therapeutic development.