摘要
精准识别蛋白质结合位点，对解析蛋白质功能、阐释分子识别机制以及指导药物研发至关有效。现有基于序列的预测工具大多仅针对单一类型结合位点设计，通用性不足；而基于蛋白质结构的方法高度依赖高质量３维结构模型，应用场景受限。本研究提出ProSiteHunter，１款仅依托氨基酸序列，即可统一预测蛋白质-DNA、蛋白质-RNA、蛋白质-蛋白质、抗体-抗原４大类结合位点的通用框架。该框架融合经微调的蛋白质语言模型SiteT5，以及从序列中提取的进化特征、几何特征与统计特征；再通过多源特征融合模块（MSFF）对特征进行深度处理，捕获序列双向语义、局部关联与全局依赖，实现结合位点的全面表征，大幅提升预测精度与泛化能力。在多组基准测试中，相较于当前主流算法，ProSiteHunter在蛋白质-DNA/RNA/蛋白质结合位点任务上的精确率-召回率曲线下面积（PRAUC）平均提升38.4%；在难度最高的抗体-抗原结合位点任务中，PRAUC提升15.1%。此外，该工具可识别蛋白质局部柔性区域，能够与AlphaFold3的预测结果形成互补，并提升抗体-抗原相互作用的预测准确度。上述结果表明，ProSiteHunter是款高效、通用的工具，可精准且稳定地预测各类蛋白质结合位点。
zhanzhou@zju.edu.cn
zxg@zjut.edu.cn
zgj@zjut.edu.cn
#人工智能 #计算生物学 #计算机科学 #语言模型 #分子识别 #蛋白质功能 #蛋白质配体 #氨基酸序列
结果
整体概述
图1 ProSiteHunter整体工作流程
(a) 从每条训练序列的多序列比对结果（MSA）中抽取子比对序列，结合低秩自适应（LoRA）策略对ProtT5模型进行微调，筛选最优SiteT5模型并提取特征嵌入（对应图c）。
(b) ProSiteHunter以蛋白质序列为输入，构建多层次序列表征；经由多源特征融合模块（MSFF）捕获序列局部模式与全局依赖，融合后的特征再通过多层交互学习模块（MIL）进一步优化，最终由分类器输出每个氨基酸残基为结合位点的概率。图中蛋白质结构均为示意图。
(c) 特征提取模块整合进化、几何、3类互补特征，构建每个位点的多维表征，所有特征统一称为序列表征（sr）。
(d~f) 尺度感知编码器、上下文感知编码器、重要性感知编码器的网络结构。
蛋白质-核酸结合位点预测性能
图2 ProSiteHunter在蛋白质-核酸结合位点任务中的预测性能
(a) 蛋白质-DNA、蛋白质-RNA 结合位点预测任务的受试者工作特征曲线（ROCAUC）；
(b) 蛋白质-DNA、蛋白质-RNA结合位点预测任务的精确率-召回率曲线（PRAUC）；
(c) ProSiteHunter与CLAPE-DB、CLAPE-RB、iDRNA-ITF、DRNApred模型的F1分数、马修斯相关系数（MCC）对比；
(d) 散点图：ProSiteHunter分别与CLAPE-DB（蛋白-DNA）、CLAPE-RB（蛋白-RNA）在单条序列水平的AUC值对比；
(e) 半箱线图：ProSiteHunter、CLAPE-DB、iDRNA-ITF在蛋白-DNA结合位点任务中正负样本的分类效果对比；
(f) 半箱线图：ProSiteHunter、CLAPE-RB、iDRNA-ITF在蛋白-RNA结合位点任务中正负样本的分类效果对比。
蛋白质-蛋白质、抗体-抗原结合位点预测性能
图3 ProSiteHunter在蛋白质-蛋白质、抗体-抗原结合位点任务中的预测性能
(a) 蛋白质-蛋白质、抗体-抗原结合位点预测任务的ROCAUC曲线；
(b) ProSiteHunter与其他模型在PRAUC、F1分数、MCC三项指标上的对比（蛋白-蛋白、抗体-抗原任务）；
(c) 半箱线图：ProSiteHunter与Seq-InSite、ISPRED-SEQ在蛋白-蛋白结合位点任务中正负样本分类效果对比；
(d) 半箱线图：ProSiteHunter与SEMA2.0-1D、CALIBER在抗体-抗原结合位点任务中正负样本分类效果对比；
(e) CASP16测试靶标T1225（PDB编号：9CQA）结合位点预测结果对比：左侧为实验结构（浅蓝色为抗体重链，深蓝色为呼吸道合胞病毒糖蛋白，橙色区域为真实结合位点）；中间为ProSiteHunter预测结果（橙色为预测结合位点）；右侧为AlphaFold3预测结果（橙色为预测结合位点）。
消融实验与可解释性分析
图4 消融实验与模型可解释性分析
(a) SiteT5特征嵌入与相对溶剂可及性（RSA）、ProstT5、极化率、疏水性、等电点、2级结构、氨基酸偏好性等典型特征的相关性分析；
(b) RSA特征与SiteT5、ProstT5、极化率、疏水性、等电点、2级结构、氨基酸偏好性等典型特征的相关性分析；
(c) 不同特征组的特征消融实验结果；
(d) 真实蛋白-DNA结合位点与ProSiteHunter预测位点的氨基酸偏好分布；
(e) 真实蛋白-蛋白结合位点与ProSiteHunter预测位点的氨基酸偏好分布；
(f) 多源特征融合模块（MSFF）、多层交互学习模块（MIL）的网络消融实验；
(g~i) 采用t分布邻域嵌入（t-SNE），将特征提取后、MSFF处理后、MIL处理后的高维特征降维至2维空间，区分蛋白-DNA结合位点（红色）与非结合位点（蓝色）。
识别多种结合模式与动态构象变化
图5 不同类型结合位点典型案例
(a) 蛋白复合物（PDB编号：5H58）：天蓝色链霉菌CprB蛋白与对应操纵子序列（绿色、黄色）结合，橙色区域为预测结合位点；
(b) 蛋白复合物（PDB编号：6D12）：人Larp7蛋白C端xRRM结构域与7SK茎环RNA（绿色）结合，橙色区域为预测结合位点；
(c) 蛋白复合物（PDB编号：7MJS）：启动子超家族蛋白2A与配体复合物，橙色区域为预测结合位点；
(d) 蛋白复合物（PDB编号：3E1Z）：沙加辛与木瓜蛋白酶的晶体结构，橙色区域为预测结合位点；
(e) 鸡卵清溶菌酶形成的两种复合物（PDB编号：4GN4、1J1X）；橙色、红色分别标注预测结合位点，红色为2种复合物的结合重叠区域。
提升抗体-抗原相互作用下游预测效果
图6 ProSiteHunter对抗体-抗原相互作用下游预测的提升效果
(a) 引入预测表位特征前后的ROCAUC曲线对比；
(b) 2组模型的F1分数、精确率、召回率对比；
(c) 引入结合位点信息前后，正样本的预测概率分布；
(d) 引入结合位点信息前后，负样本的预测概率分布；
(e) 信号调节蛋白α（SIRP α）与对应抗体的相互作用概率分布；
(f) 丙型肝炎病毒E2蛋白（HCV E2）与对应抗体的相互作用概率分布。
数据
实验数据与ProSiteHunter源代码已在GitHub公开
https://github.com/iobio-zjut/ProSiteHunter
ProSiteHunter在线预测服务器免费对外开放
http://zhanglab-bioinf.com/ProSiteHunter/
详细总结
思维导图
参考
Adv Sci (Weinh). 2026 Jun 2:e75931. doi: 10.1002/advs.75931.
ProSiteHunter: A Unified Framework for Sequence-Based Prediction of Protein-Nucleic Acid and Protein-Protein Binding Sites
260602ProSiteHunter.pdf
注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。
