可解释！蛋白质亚细胞定位预测

动机

蛋白质亚细胞定位计算预测是解析细胞机制、研发疾病疗法的关键手段。现有模型普遍存在可解释性缺失问题，仅能预测定位位置，无法阐释分子机制；同时解析蛋白质行为依赖高成本、耗时长的３维结构实验。蛋白质语言模型多标签膜蛋白类型预测DeepLoc 2.1

[e-mail]

#蛋白质亚细胞定位 #图编码 #蛋白质语言模型 #理化特征 #可解释人工智能 #安芬森法则 #特征门控融合 #SHAP可解释分析 #绿色生物AI #多标签预测

材料与方法

12类生化相互作用规则

表1 BioGraphX生化约束规则汇总

混合相互作用检测

表2 混合相互作用类型及生物学意义

157维多尺度特征提取（５大类）

表3 BioGraph全部特征分类统计

图1 BioGraphX框架详细示意

(a) 输入任意氨基酸序列；

(b) 按生化规则构建残节点互作图，边代表12类理化相互作用；

(c) 提取拓扑、混合、靶向、理化、冲突5大类特征，输出157维特征向量。

BioGraphX-Net整体架构概述

图2 BioGraphX-Net计算流水线示意

模型分为2大特征支路+自适应门控融合+多标签分类4层架构

1. ESM支路：输入蛋白序列，注意力池化提取残基嵌入，瓶颈压缩至1024维特征向量；

2. BioGraphX支路：序列经生化约束图编码，生成157维多尺度理化特征，3层非线性网络映射至1024维隐向量；

3. 门控融合模块：拼接两路特征，双层控制器生成蛋白专属权重，逐特征自适应调控进化/理化信息贡献；

4. 多层感知器分类：融合向量输入分类网络，输出10类亚细胞定位预测概率。

结果

本文提出BioGraphX编码框架，依托生化规则直接从氨基酸序列构建蛋白质互作图，生成基于约束的结构替代特征。在此基础上搭建BioGraphX-Net混合模型，融合ESM-2进化尺度语言模型嵌入与本文自研特征，并通过门控机制实现特征自适应融合。门控分析表明ESM-2嵌入贡献度较高，但BioGraphX特征可作为高精度筛选模块；SHAP可解释分析揭示模型具备严谨生物物理逻辑：序列信号为全局排除过滤器，细胞器专属理化特征组合实现精准区室区分；冲突特征（Frustration）可解决复杂区室的定位歧义，反映进化约束，规避序列模拟造成的错定位。在蛋白质溶解度独立数据集交叉验证证明，本文图编码可捕获真实３维理化信号。此外BioGraphX大幅降低参数量至1346万，实现生物信息绿色AI。综上，BioGraphX兼顾预测精度与生命分子机制可解释性。

特征消融实验（XGBoost基准）

表4 特征消融实验指标

与主流SOTA模型横向对比

表5 各模型全局多标签性能对比

独立HPA数据集泛化测试

表6 HPA人类蛋白图谱测试集性能

本文模型杰卡德0.54、微F1 0.59，在跨物种、低序列相似样本上泛化能力优于绝大多数基线；门控统计：整体ESM贡献50.5%，BioGraphX理化特征39.2%；线粒体蛋白理化特征占比约40%，高尔基体高度依赖进化序列信号。门控分布：63.1%蛋白2路均衡贡献，32.6%偏向ESM，仅4.3%强依赖理化图特征。

图3(A) 全局门控权重分布直方图；(B) 各细胞器对BioGraphX特征依赖程度柱状图

A 展示大部分蛋白进化与理化特征均衡融合；

B 质体、线粒体、过氧化物酶体理化特征贡献最高，高尔基体、溶酶体依赖序列保守信号。

蛋白质溶解度交叉验证（验证结构替代假说）

表7 BioGraphX特征vs fGNNSol（AlphaFold3三维模型）

仅用157维序列图特征、无深度学习，溶解度预测AUC=0.8428，接近基于完整3维原子结构的fGNNSol（0.898）；最重要特征为3元环拓扑计数Triangle_Count，直接证明序列图可替代3维结构表征折叠堆积特征。

SHAP可解释分析结果

图4 十大细胞器前5关键特征条形图

SHAP符号数值代表特征正负贡献，多数靶向信号为排除型过滤器（负贡献），仅对应细胞器呈正向作用；如膜信号对其余9类区均为负权重，仅细胞膜预测为正。

图5 六类双向切换特征柱状图

Hydro_Corr_L6六残基疏水周期特征对胞外蛋白强正向，对膜、溶酶体负向，可区分进化相似分选信号，解决定位混淆。

图6 五大特征类别雷达图（各细胞器特征贡献占比）

膜/细胞质以靶向信号为主；内质网、高尔基体、细胞核拓扑与冲突特征大幅提升区分度；过氧化物酶体均衡利用全部5类特征。

数据

DeepLoc、HPA、eSol数据集均为公开数据集；

完整BioGraphX代码、模型权重、推理脚本开源

https://github.com/Abubakar-Saeed/BioGraphX

详细总结

思维导图

5大类特征（合计157维）

整体指标（多标签任务）

参考

Bioinform Adv. 2026 Jun 23;6(1):vbag181. doi: 10.1093/bioadv/vbag181.

BioGraphX: bridging the sequence-structure gap via physicochemical graph encoding for interpretable subcellular localization prediction

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。