夜雨聆风近期，来自海南大学、齐齐哈尔医学院等团队联合在 ACS Synthetic Biology 上发表了一项创新研究，提出 RPI-PLMGNN 模型。该模型将预训练大语言模型（PLLMs） 与图神经网络（GNN） 巧妙融合，在多组基准数据集和跨物种验证中均展现出显著优势，为RPI预测提供了高效、精准且可解释的新工具。
模型工具概述：多模态特征融合 + 线图拓扑增强
RPI-PLMGNN 的整个流程可分为三大模块：
图拓扑建模：基于已知互作数据构建二分邻接矩阵，针对每个RNA-蛋白靶标对提取其2跳范围内的封闭子图，并采用节点标记策略（根据到靶标节点的最短距离赋予不同标签）来编码结构重要性。随后，将子图转换为线图（Line Graph）——原图中的每条边成为新节点，若两条边在原图共享同一顶点，则在线图中建立连接。这一转换将模型关注点从“单个分子”转向“分子间的互作关系”，能够有效捕捉互作模式之间的相似性。
多模态节点特征构建：
- RNA序列特征
：采用 RNAErnie 预训练模型提取（基于ERNIE架构，12层Transformer，768维），该模型引入碱基级、亚序列级和基序级三重掩码策略，并融合RNA类型信息，显著提升序列表征能力。 - RNA结构特征
：利用 RNAfold（ViennaRNA包）基于最小自由能预测二级结构，并以点括号格式统计k-mer（k=1~4）组合频率，生成30维结构特征。 - 蛋白序列特征
：采用 ESM2（35M参数版本，12层Transformer，480维）提取，该模型在海量序列上预训练并隐式引入进化信息，能有效捕获保守模式。 - 蛋白结构特征
：利用 SOPMA 预测二级结构（α螺旋、β折叠、β转角、无规卷曲），统计k-mer（k=1~4）频率，生成84维结构特征。序列与结构特征在各模态内拼接，形成RNA节点和蛋白节点的初始表示，并统一纳入节点特征矩阵，后续由图神经网络通过消息传递自动学习交互。 混合GNN预测模块：采用 GAT（图注意力网络）+ GGCN（门控图卷积网络） 的串联架构。GAT通过多头注意力机制自适应地为不同邻居节点分配权重，精准定位关键互作位点；GGCN则引入更新门和重置门，有效控制信息流动，增强长距离依赖建模能力并抑制噪声。两者协同，兼顾局部关键特征与全局拓扑信息。
关键实验结果：多维验证彰显卓越性能
1. 多模态特征融合的必要性
作者对比了不同特征组合，发现“序列+结构”联合使用性能最优；仅使用序列特征次之，而仅使用结构特征效果相对较弱。值得注意的是，移除ESM2蛋白特征导致的性能下降幅度大于移除RNAErnie，表明蛋白序列的精准表征在RPI预测中尤为关键。
2. 预训练语言模型的择优
在RNA编码器比较中，RNAErnie显著优于RNA-FM，归功于其基序感知预训练和类型引导微调策略。在蛋白编码器比较中，ESM2-35M在四个基准数据集上全面优于ESM2-8M、ESM-C和ProtTrans，其适中的特征维度（480维）既避免了过拟合，又充分保留了进化信息。
3. 图神经网络架构的协同优势
对比7种GNN变体，单独使用GGCN优于GCN（因门控机制增强了长程依赖）；而GAT+GGCN的组合在所有数据集上均达到最佳，例如在NPInter上ACC达97.74%、AUC达98.98%。注意力机制与门控机制的互补，实现了局部-全局特征的协同优化。
4. 与现有方法的全面对比
在四个基准数据集上采用5折交叉验证，与RPITER、IPMiner、GATLGEMF、RPI-CapsuleGAN、BioPrediction-RPI等五种先进模型比较，RPI-PLMGNN在ACC、PRE、SEN、SPE、MCC、AUC六项指标上均取得最优，验证了PLLMs强大特征提取与GNN结构建模的融合有效性。
5. 跨物种泛化能力惊艳
在六个独立物种测试集（RPI_C、RPI_D、RPI_E、RPI_H、RPI_M、RPI_S，分别对应线虫、果蝇、大肠杆菌、人类、小鼠、酵母）上，训练于RPI7317的模型直接预测，准确率分别达到 94.2%、92.8%、94.5%、97.5%、98.2%、97.1%，显著优于多数对比方法。尤其在果蝇（RPI_D）数据集中，模型仅未能正确预测5对互作，整体准确率92.8%，展示了出色的跨物种泛化能力。
6. 可解释性分析：注意力区域与保守基序吻合
作者在RPI_E数据集上提取GAT的注意力分数，并与STREME工具发现的保守基序比对。结果显示，高注意力区域显著富集已知基序，如RNA序列n432中的“GCUGG”（E-value=3.5×10⁻⁸）和蛋白P77398中的“NGETKT”（E-value=5.1×10⁻⁴），且这一模式在不同互作对中一致，表明模型学习到的特征具有生物学意义而非偶然。
小编总结
RPI-PLMGNN 通过将预训练语言模型（RNAErnie+ESM2）与结构特征融合，并创新性地采用线图拓扑+GAT+GGCN架构，在多个数据集上达到了目前最优的预测精度。 跨物种验证中高达94%~98%的准确率，以及注意力机制与生物基序的一致性，充分证明该模型具备出色的泛化能力和可解释性。 该工具为RNA-蛋白互作机制研究及靶向药物开发提供了高效、可靠的计算平台，未来若引入理化、进化等多模态信息并优化大规模数据扩展性，有望进一步释放潜力。 点击下方链接-下载原文pdf
往期好文推荐
往期课程推荐
