DG Prediction

1 简介

蛋白药物的治疗效能高度依赖蛋白-蛋白结合（PPB）亲和力，高亲和力分子可更特异性结合靶点，提升药效并降低脱靶副作用。因此，快速、精准评估蛋白相互作用亲和力，是蛋白与抗体药物早期筛选的核心环节。当前亲和力测定主要依靠蛋白微阵列、Octet等湿实验技术，检测结果准确，但操作流程复杂、成本高昂，难以满足高通量大规模候选分子筛选需求。

PPBind¹ 模型使用大规模的蛋白亲和力数据集PPB-Affinity¹ 、多个异质的DMS亲和力数据集、二聚体结构数据集DIPS-Plus，共三组数据，通过单调神经网络与创新的“特征对齐”机制进行多任务学习，构建出PPBind-3D与PPBind-1D两个模型，并在三组虚拟筛选案例验证模型在抗体、纳米抗体亲和力排序任务中的实用价值。

图1. PPBind模型框架图

图2. PPBind模型在HEL纳米抗体虚拟筛选中的表现

2 参数说明

• PDB File(必需项)：上传一个蛋白复合体的PDB文件
• Receptor Chain(必需项)：指定PDB文件中，属于受体的链编号
• Ligand Chain(必需项)：指定PDB文件中，属于配体的链编号
• Mutation List(非必需项)：输入突变字符串，例如，“FP2Y”表示链P上的位置2从F突变为Y。若同时存在多个突变，用逗号分开,仅支持一种变体输入

3 结果说明

列名	说明
ID	输入的PDB文件名，填写的Receptor Chain、Ligand Chain，还有Mutation List组成
DG Pred	模型预测出来的亲和力数值，单位是kcal/mol
Kd	模型预测出来的亲和力数值，单位是mol/L

4 参考文献

[1] Peiyi Chen, Huaqing Liu, Shuxian Zhou, Lunji Wang, Mao Pang, Jing Zhao, Guoxin Fan, Lanqing Han, PPBind-3D/1D: Protein-Protein Binding Affinity Prediction for Structural and Sequence Data, Antibody Therapeutics, 2026;, tbag053, https://doi.org/10.1093/abt/tbag053.
[2] Liu, H., Chen, P., Zhai, X. et al. PPB-Affinity: Protein-Protein Binding Affinity dataset for AI-based protein drug discovery. Sci Data 11, 1316 (2024). https://doi.org/10.1038/s41597-024-03997-4.