PMPNN-DDG: 一种基于机器学习、利用ProteinMPNN提取的新型可解释特征训练的ΔΔG预测流程

摘要

PMPNN-DDG是一种基于随机森林的DDG预测模型，其训练特征是从基于消息传递神经网络的固定骨架蛋白质设计模型ProteinMPNN中提取的一组新型可解释特征。在S669独立测试集上，该模型rF+R=0.64、RMSE=1.45，在所报告的评估指标上优于所有被比较的基线方法；在Ssym独立测试集上，rF+R=0.81、rF-R=-0.99、RMSE=1.10，表现与基线相当。代码已公开：https://github.com/dRanger666/PMPNN-DDG。