GENEOnet：基于群等变非扩张算子（GENEO）的蛋白质结合口袋检测突破性方法

　　为解决蛋白质结合口袋精准检测难题，研究团队开发了基于群等变非扩张算子（GENEO）的机器学习模型GENEOnet。该模型通过整合几何与物理化学特性，仅需200个训练样本即可实现卓越性能，在PDBbind测试集上H1得分达0.764，超越现有主流方法。其参数可解释性强且计算效率高，为结构虚拟筛选提供了新范式。

　　

在药物发现领域，准确识别蛋白质结合口袋是结构基虚拟筛选成功的关键。传统方法如分子对接（molecular docking）严重依赖结合口袋的精确界定，而盲对接（blind docking）由于搜索空间过大往往效果不佳。虽然共结晶结构和点突变研究能提供结合位点信息，但当实验数据缺失时，尤其是针对变构位点的识别，仍存在巨大挑战。现有算法包括基于几何空腔探测的POCKET、CAVIAR，以及基于机器学习的P2Rank、DeepSite等，但大多面临参数复杂、训练数据需求大、可解释性弱等问题。

针对这些痛点，由意大利米兰大学、比萨大学、米兰理工大学及Dompé制药公司等机构组成的研究团队在《Scientific Reports》发表了创新性研究成果。他们开发了GENEOnet（Group Equivariant Non-Expansive Operators network），一种基于群等变非扩张算子（GENEO）的机器学习模型，专门用于 volumetric蛋白质口袋检测。该模型巧妙地将先验化学知识与数学原理相结合，通过仅17个可学习参数实现了卓越的性能，且对旋转和平移变换具有固有不变性，极大提升了模型的鲁棒性和可解释性。

研究采用的关键技术方法主要包括：1）从PDBbind v.2020数据库和RCSB PDB中构建包含>4万蛋白质复合物的训练（TRAIN，200个）、验证（BINDVAL，3073个）及测试集（BINDTEST，6854个；BANK，28382个），并严格控制序列同源性＜80%以避免偏差；2）通过自主研发的GENEOprep软件将蛋白质空腔转化为3D体素网格，并计算8个反映几何物理化学特性的通道函数（如疏水性、氢键供体/受体等）；3）构建基于卷积核的GENEO层实现等变非扩张变换，通过凸组合生成口袋似然图；4）采用结合重叠体积与正则化项的损失函数进行优化；5）通过连通分量分析和评分排序输出最终口袋预测。

Pocket identification and ranking

实验结果显示，在BINDTEST和BANK测试集上，GENEOnet的H_n系数（顶级口袋正确识别率）分别达到0.764和0.714，显著优于P2Rank（0.702/0.669）、DeepPocket（0.658/0.631）等方法。

**

Overlap analysis

重叠分析表明GENEOnet预测口袋与真实配体空间重叠度最高，且失败率（零重叠案例）最低，验证了其体积包容性的优势。

Distance metrics

在距离指标DCA/DCC评估中，GENEOnet虽未全面领先，但在DCA指标上随阈值增大快速提升，反映出其对非凸形状口袋的适应性优势。

**

Equivariance and non-expansivity combined effect

通过对称蛋白2QWE的案例证明，GENEOnet凭借等变特性准确识别了四个对称口袋，体现了模型对几何变换的稳定性。

**

Ablation study

消融实验证实：仅当同时具备等变性与非扩张性（E-NE）时，模型才能有效学习且避免过拟合，而非等变模型（NE-NE/NE-E）均出现训练失败或过拟合现象。

**

Structural analysis of ABL1 Kinase

针对ABL1激酶多种构象的案例研究显示，GENEOnet预测的口袋与实验位点高度一致，尤其在活性构象中发现了超出已知配体占据区域的潜在可开发空间，为增强配体选择性提供了新思路。

Computational time evaluation

计算效率分析表明，GENEOnet在中小型蛋白质（原子数＜5000）处理速度与CAVIAR相当，且显著快于DeepPocket等深度学习方案，其推理阶段效率优于随机森林等传统方法。

研究

研究结论强调，GENEOnet通过数学原理与领域知识的深度融合，实现了用极简参数达到最优性能的突破。其等变特性保障了预测的几何鲁棒性，非扩张性确保了模型对微小结构扰动的稳定性，而仅需200训练样本的高效学习能力大幅降低了计算成本。该模型已集成至Exscalate药物研发平台（https://geneonet.exscalate.eu），为全球科研人员提供免费网络服务。这项研究不仅推动了结合口袋检测技术的发展，更为可解释人工智能（XAI）在生命科学领域的应用提供了范式转移——证明通过精心设计的数学约束，可实现比黑箱模型更优的性能与透明度。未来工作将聚焦于子空腔识别算法优化与混合专家系统开发，进一步拓展其在多靶点药物设计中的应用潜力。