Nature子刊：厦门大学纪志梁/林琛合作开发VITAL，预测多肽-蛋白相互作用

发布时间：2026-08-25来源：生物世界

编辑丨王多鱼

排版丨水成文

多肽-蛋白相互作用（peptide–protein interaction）的定量表征，在计算生物学中仍是一个持续存在的挑战，限制了对作用机制的理解和治疗药物的开发。

2026 年 8 月 19 日，厦门大学纪志梁教授、林琛教授团队合作（陈伟豪、王绮雯、李芷仪为论文共同通讯作者），在 Nature 子刊 Nature Machine Intelligence 上发表了题为：Quantitative and interface-aware prediction of peptide–protein interactions by VITAL 的研究论文。

该研究开发了一种基于双通道协同学习架构的深度学习框架——VITAL，可同时实现多肽-蛋白相互作用预测、界面映射以及定量亲和力评估。

该研究开发了 VITAL（Versatile InTerface-Aware global-local co-Learning，多功能界面感知的全局-局部协同学习），这是一种基于双通道协同学习架构的深度学习框架，能够将蛋白质语言模型嵌入与捕捉界面空间邻近性的几何感知编码器进行融合。

该集成学习策略可同时实现多肽-蛋白相互作用预测、界面映射以及定量亲和力评估。研究团队指出，VITAL 通过三项关键贡献推动了该领域的发展——

首先，VITAL 在多个不同的基准测试中达到了最先进的（SOTA）准确率（最高 AUC = 0.87），并在真实世界肽类发现尝试中对部分新发现的相互作用进行了实验验证。

其次，研究团队实现了接近氨基酸残基分辨率的界面映射（精度 >60%），从而有助于系统性地分类四种基本结合模式。

最后，研究团队提出了结合强度单位（binding strength unit），这是一种与实验数据显著相关的连续亲和力度量指标。

通过将高分辨率结构分析与定量评分相结合，VITAL 建立了一个可扩展的计算平台，加速了从定性筛选向定量、基于结构的分析转变，这简化了基于多肽的治疗药物的发现与设计过程。

值得一提的是，研究团队将 VITAL 以开源软件包和交互式网络服务器的形式公开提供，旨在促进学术界的应用并推动方法学的进一步创新。

论文链接：

https://www.nature.com/articles/s42256-026-01291-z

设置星标，不错过精彩推文

开放转载

欢迎转发到朋友圈和微信群

微信加群

为促进前沿研究的传播和交流，我们组建了多个专业交流群，长按下方二维码，即可添加小编微信进群，由于申请人数较多，添加微信时请备注：学校/专业/姓名，如果是PI/教授，还请注明。

点在看，传递你的品味

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。