创新背景

蛋白质相互作用是指蛋白质分子之间的相互作用和结合，蛋白质是生物体内最重要的分子之一，它们在细胞内执行各种功能，如催化化学反应、传递信号、提供结构支持等，蛋白质相互作用对于生物体的正常功能和调节至关重要。

蛋白质相互作用可以发生在不同的层次上，包括以下几种类型：

蛋白质与蛋白质的相互作用：许多生物过程都涉及蛋白质与其他蛋白质之间的相互作用，这种相互作用可以包括蛋白质与蛋白质之间的结合、调控、激活等，形成复杂的蛋白质复合物。

蛋白质与核酸的相互作用：蛋白质与核酸（如DNA和RNA）之间的相互作用对于基因表达和调控至关重要，这些相互作用可以涉及DNA的结合、转录因子的调控、RNA的加工等过程。

蛋白质与脂质的相互作用：蛋白质与细胞膜中的脂质之间的相互作用是细胞信号传递和细胞膜功能的重要组成部分，蛋白质可以通过与特定脂质相互作用来参与细胞信号传递、细胞吸附、细胞膜的稳定等过程。

蛋白质与小分子的相互作用：许多小分子（如药物、代谢产物等）与蛋白质之间的相互作用是药物研发和代谢调控的重要基础，这些相互作用可以影响药物的吸收、分布、代谢和排泄等过程。

研究蛋白质相互作用对于深入了解生物体的生命过程、疾病机制以及药物开发具有重要意义，通过揭示蛋白质之间的相互作用关系，科学家可以理解蛋白质的结构和功能，并设计新的药物、诊断工具和治疗方法。

创新过程

洛桑联邦理工学院（EPFL）的科学家们开发了名为PeSTo的人工智能模型，可以高度可信地预测蛋白质与其他蛋白质、核酸、脂质、离子和小分子结合时的结合界面，该模型具有较低的计算成本，能够处理大量的结构数据，为新的生物学发现提供了机会。

PeSTo方法概述

洛桑联邦理工学院（EPFL）马泰奥·达尔佩拉罗（Matteo Dal Peraro）小组的科学家们开发了一种名为PeSTo（蛋白质结构转换器）的新工具，它可以预测蛋白质表面上与其他蛋白质、核酸、脂质、离子和小分子相互作用的特定区域。

PeSTo基于Transformer技术构建了一个神经网络模型，Transformer是一种用于处理序列数据的神经网络，通过自注意力机制来衡量输入序列不同部分的重要性并进行预测，这项技术于2017年由Google Brain引入，并现在是许多现代人工智能工具的核心，PeSTo模型使用这种机制来评估每个原子的化学和物理环境，并关注蛋白质结构内的重要原子和相互作用，这种方法能够捕捉蛋白质结构内的复杂相互作用，实现对蛋白质结合界面的准确预测。

研究方法中，PeSTo的预测仅基于空间位置和原子类型，无需使用额外的物理和化学描述蛋白质界面的方法，这消除了预先计算分子表面和其他属性的“额外开销”，使其比当前方法更快速、更稳健且更通用，PeSTo的低计算成本使其能够处理大量的蛋白质结构数据，例如来自分子动力学模拟的集合或整个折叠组，这种能力使得可以更快地发现在传统静态结构中无法观察到的界面。

使用PeSTo评估蛋白质

此外，研究人员将PeSTo应用于人类折叠组的分析，通过使用AlphaFold European Bioinformatics Institute（AF-EBI）数据库，对人类蛋白质与其他分子的相互作用进行了详细研究，为了方便科学界的使用，研究人员免费提供了PeSTo工具的用户友好网络服务器，用户可以直接在浏览器中可视化预测的界面，并了解每个残基的预测置信度。

创新价值

首先，通过开发PeSTo这一新的人工智能工具，科学家们实现了对蛋白质相互作用界面的高可信度预测，这将有助于加深我们对生物系统的理解，尤其是对于细胞内的分子相互作用机制的认识。这对于研究生物学、医学和生物工程等领域具有重要意义。预测蛋白质相互作用界面可以帮助科学家们揭示蛋白质参与疾病发展和药物靶点的机制，为新药物的发现和设计提供重要线索。

其次，PeSTo的低计算成本使其能够处理大量的蛋白质结构数据，这为大规模的生物信息学研究提供了机会，能够加速对大规模蛋白质数据集的分析和挖掘。通过快速预测蛋白质相互作用界面，科学家们可以更好地理解蛋白质的功能和调控机制，从而为研究蛋白质结构与功能之间的关系提供更全面的视角。

第三，研究人员将PeSTo应用于人类折叠组的分析，揭示了人类体内蛋白质相互作用界面的详细信息，这对于研究人类蛋白质相互作用网络以及相关的生物过程具有重要意义，了解人类蛋白质相互作用界面的特征和功能可以帮助我们更好地理解人体的生理和病理过程，为研究疾病发生机制和开发新的治疗方法提供指导。

最后，研究人员免费提供了PeSTo工具的用户友好网络服务器，使其对科学界广泛可用，这将促进全球范围内的科学合作和知识共享，为研究人员提供一个方便而强大的工具来探索蛋白质相互作用的世界。

创新关键点

创新地基于Transformer技术构建了PeSTo模型，并利用其自注意力机制来评估蛋白质结构内的相互作用，研究方法的关键在于使用空间位置和原子类型进行预测，从而实现了快速、准确地预测蛋白质相互作用界面。通过将PeSTo应用于人类折叠组的分析，研究人员展示了其在研究生物系统和相互作用方面的潜力，并提供了一个免费的网络服务器供科学界使用。