한줄 요약: 

단백질언어모델(ESM-DBP, ESM-RBP) + E(3)-동변량 그래프 신경망(EGNN)  -> 핵산 결합 예측 정확도를 높임   
(추가적으로 언어모델은 파인튜닝하고, 그래프뉴럴넷도 학습을 한것임, 그래서 이들로부터 나온 벡터를 컨캣하고 최종적으로는 Fully connected layer가 확률을 예측함)    

* E(3)-동변량 그래프 신경망(EGNN): 기존 그래프 신경망(GCN, GAT)과 다르게, 단백질 3D 구조가 회전(rotation), 이동(translation), 반사(reflection) 등의 영향을 받아도 **결과가 변하지 않는 성질(E(3)-equivariance)**을 보장하는 모델 --(공간적 관계(spatial relationship)를 학습 즉, 3D)   


짧은 요약(Abstract) :    




단백질-핵산 상호작용은 다양한 생명 활동에서 중요한 역할을 하며, 핵산 결합 잔여물을 정확하게 식별하는 것은 이러한 상호작용의 기본 메커니즘을 이해하는 데 필수적이다. 하지만 기존의 계산적 예측 방법은 정확성과 해석 가능성에서 여전히 개선이 필요하다. 본 연구에서는 **GeSite**라는 새로운 방법을 제안하는데, 이는 **도메인 적응 단백질 언어 모델(domain-adaptive protein language model)**과 **E(3) 동변량 그래프 신경망(E(3)-equivariant graph neural network)**을 기반으로 한다. 여러 벤치마크 테스트 세트에서 실험한 결과, **GeSite는 최신 예측 방법과 비교하여 우수한 성능을 보이거나 비슷한 성능을 유지**했다. 

GeSite는 DNA 결합 잔여물(DNA-binding residues) 테스트 세트에서 **MCC(매튜 상관 계수, Matthew’s Correlation Coefficient)** 값이 0.522, RNA 결합 잔여물(RNA-binding residues) 테스트 세트에서 0.326을 기록했으며, 이는 기존의 2위 방법보다 각각 0.57 및 38.14% 향상된 성능이다. 세부 실험 결과를 분석한 결과, GeSite의 우수한 성능은 **핵산 결합 단백질을 위한 도메인 적응 단백질 언어 모델**의 효과적인 설계에 기인한다. 또한, 모델 해석 결과를 통해 GeSite가 다양한 원거리 및 근거리 기능 도메인에 대한 인식을 활용하여 높은 분별력을 가진 예측을 수행할 수 있음을 확인했다.

---



Protein-nucleic acid interactions play a fundamental and critical role in a wide range of life activities. Accurate identification of nucleic acid-binding residues helps to understand the intrinsic mechanisms of the interactions. However, the accuracy and interpretability of existing computational methods for recognizing nucleic acid-binding residues need to be further improved. Here, we propose a novel method called **GeSite**, based on the **domain-adaptive protein language model** and **E(3)-equivariant graph neural network**. 

Prediction results across multiple benchmark test sets demonstrate that **GeSite is superior or comparable to state-of-the-art prediction methods**. The MCC values of GeSite are **0.522 and 0.326 for the DNA-binding residue and RNA-binding residue test sets**, respectively, which are 0.57 and 38.14% higher than those of the second-best method. 

Detailed experimental results suggest that the advanced performance of GeSite lies in the **well-designed nucleic acid-binding protein adaptive language model**. Additionally, interpretability analysis exposes the perception of the prediction model on various remote and close functional domains, which is the source of its discernment ability.
 

* Useful sentences :  

Paper link
Lecture link

단어정리

Methodology

본 연구에서는 GeSite라는 새로운 핵산 결합 잔여물 예측 모델을 제안한다. GeSite는 도메인 적응 단백질 언어 모델(domain-adaptive protein language model, PLM)과 E(3)-동변량 그래프 신경망(E(3)-equivariant graph neural network, EGNN)을 결합하여 높은 정확성과 해석 가능성을 제공한다.

1. 도메인 적응 단백질 언어 모델 (Domain-Adaptive PLM)

기존의 단백질 언어 모델(PLM)은 일반적인 단백질 서열을 학습하여 다양한 단백질 기능을 표현하는 데 사용되었으나, 특정한 단백질-핵산 결합 패턴을 학습하는 데 한계가 있었다. 이를 극복하기 위해 GeSite는 DNA-결합 단백질(DNA-binding proteins, DBP)과 RNA-결합 단백질(RNA-binding proteins, RBP)에 대한 도메인 적응 학습(domain-adaptive training)을 수행하였다.

• ESM-DBP (DNA-binding domain-adaptive PLM):
  • 기존의 ESM2 모델을 기반으로 DNA 결합 단백질 데이터를 이용해 추가적인 사전 학습 수행
  • 573개의 DNA 결합 단백질(DNA-573_Train)과 추가적인 테스트 데이터셋을 활용
• ESM-RBP (RNA-binding domain-adaptive PLM):
  • RNA 결합 단백질 459,656개를 활용하여 ESM2 모델의 마지막 5개 Transformer 블록을 미세 조정(fine-tuning)
  • RNA 결합 잔여물(RNA-binding residues) 예측을 위해 학습

이렇게 학습된 도메인 적응 PLM은 일반적인 PLM보다 핵산 결합 패턴을 더 효과적으로 학습하여 예측 성능을 향상시킨다.

2. 단백질 그래프 표현 및 E(3)-동변량 그래프 신경망 (EGNN)

GeSite는 단백질의 3D 구조를 반영한 그래프 표현을 생성하고, 이를 E(3)-동변량 그래프 신경망(EGNN)을 이용해 학습한다.

• 단백질 그래프 표현
  • 단백질을 노드(node)와 엣지(edge)로 구성된 그래프로 변환
  • 각 아미노산 잔여물(residue)을 노드로 설정하고, 카르복실기(Cα) 원자 간의 유클리드 거리를 기반으로 엣지 생성
  • 14Å 이하의 거리에 있는 두 잔여물 간에 엣지를 추가하여 공간적 관계를 반영
• E(3)-동변량 그래프 신경망 (EGNN) 적용
  • EGNN을 이용해 그래프의 구조적 정보를 학습
  • 일반적인 그래프 신경망(GCN)과 달리, 회전, 변환, 반사 등 3D 변형에 대해 불변성을 유지
  • 세 개의 Equivariant Graph Convolutional Layers을 사용하여 단백질 구조 정보를 반영

3. 학습 데이터 및 모델 훈련 (Training Data & Model Training)

GeSite는 여러 벤치마크 데이터셋을 사용하여 학습되었으며, DNA 및 RNA 결합 잔여물 예측 성능을 평가하였다.

• 학습 과정에서 교차 엔트로피 손실(cross-entropy loss)과 AdamW 옵티마이저를 사용
• 데이터 불균형을 해결하기 위해 양성(positive) 샘플에 가중치 0.7, 음성(negative) 샘플에 가중치 0.3 부여
• Tesla V100 GPU(16GB 메모리)에서 50 에포크(epoch) 동안 훈련 진행

This study proposes a novel nucleic acid-binding residue prediction model called GeSite, which integrates a domain-adaptive protein language model (PLM) and an E(3)-equivariant graph neural network (EGNN) to enhance accuracy and interpretability.

1. Domain-Adaptive Protein Language Model (PLM)

Existing protein language models (PLMs) are trained on general protein sequences, making them less effective in capturing specific nucleic acid-binding patterns. To address this issue, GeSite employs domain-adaptive pretraining for both DNA-binding proteins (DBPs) and RNA-binding proteins (RBPs).

• ESM-DBP (DNA-binding domain-adaptive PLM):
  • Fine-tunes the ESM2 model using DNA-binding protein data
  • Utilizes 573 DNA-binding proteins (DNA-573_Train) and additional test datasets
• ESM-RBP (RNA-binding domain-adaptive PLM):
  • Fine-tunes the last five transformer blocks of ESM2 using 459,656 RNA-binding proteins
  • Designed specifically for RNA-binding residue (RBS) prediction

These domain-adaptive PLMs enhance sequence characterization for nucleic acid-binding residues, leading to improved prediction accuracy.

2. Protein Graph Representation & E(3)-Equivariant Graph Neural Network (EGNN)

GeSite converts protein structures into a graph representation and utilizes an E(3)-equivariant graph neural network (EGNN) for learning.

• Protein Graph Representation
  • Represents each protein as a graph with nodes (residues) and edges (interactions)
  • Defines edges based on Euclidean distances between Cα atoms, adding edges when residues are within 14Å
• E(3)-Equivariant Graph Neural Network (EGNN)
  • Uses EGNN to extract spatial context features from the graph
  • Maintains rotational, translational, and reflectional invariance, unlike traditional GCNs
  • Consists of three Equivariant Graph Convolutional Layers to learn structural representations

3. Training Data & Model Training

GeSite was trained and evaluated on multiple benchmark datasets for DNA- and RNA-binding residue prediction.

• Cross-entropy loss and AdamW optimizer were used during training
• To mitigate data imbalance, positive samples were weighted at 0.7, and negative samples at 0.3
• Trained for 50 epochs on a Tesla V100 GPU (16GB memory)

This methodology enables GeSite to achieve state-of-the-art accuracy while maintaining strong interpretability in nucleic acid-binding residue prediction.

Results

GeSite의 성능을 평가하기 위해 여러 경쟁 모델과 비교하고, 다양한 벤치마크 테스트 데이터셋에서 성능을 검증하였다. 또한, 정확성(Accuracy), F1-score, Matthews Correlation Coefficient (MCC), Area Under Curve (AUC) 등의 성능 평가 메트릭을 활용하여 GeSite의 우수성을 입증하였다.

1. 비교 대상 경쟁 모델

GeSite는 최신 핵산 결합 잔여물 예측 모델과 성능을 비교하였으며, 경쟁 모델은 두 가지 주요 범주로 분류된다.

1) 서열 기반(sequence-driven) 모델:

• ESM-NBR (Zeng et al., 2023)
• ULDNA (Zhu et al., 2024)
• CLAPE (Liu & Tian, 2024)
• DNApred (Zhu et al., 2019)
• hybridDBRpred (Zhang et al., 2024)

2) 구조 기반(structure-driven) 모델:

• GraphBind (Xia et al., 2021)
• GraphSite (Yuan et al., 2022)
• CrossBind (Jing et al., 2024)
• EquiPNAS (Roche et al., 2024)

이러한 모델들은 다양한 방법론(서열 학습, 그래프 신경망, 대조 학습 등)을 사용하여 핵산 결합 잔여물을 예측하지만, 대부분 특정 방식에 치우쳐 있어 도메인 적응 단백질 언어 모델과 공간적 특성을 함께 고려하는 GeSite만큼의 성능을 보이지 못했다.

2. 성능 평가 결과 (벤치마크 테스트 데이터셋)

GeSite는 DNA-129_Test, DNA-181_Test, RNA-117_Test 세 가지 독립적인 데이터셋에서 평가되었으며, 주요 성능 메트릭은 다음과 같다.

DNA 결합 잔여물 예측 (DBS) 성능 비교

| 테스트셋 | 모델 | Specificity (Spe) | Recall (Rec) | Precision (Pre) | F1-score (F1) | MCC | AUC | |———-|——|—————–|————–|—————|————-|——|——| | DNA-129_Test | ESM-NBR | 0.971 | 0.463 | 0.511 | 0.486 | 0.456 | 0.893 | | | CLAPE | 0.955 | 0.464 | 0.396 | 0.427 | 0.389 | 0.881 | | | GraphBind | 0.948 | 0.625 | 0.434 | 0.512 | 0.484 | 0.916 | | | GeSite | 0.956 | 0.637 | 0.481 | 0.549 | 0.522 | 0.941 |

GeSite는 MCC 값이 0.522로 경쟁 모델 대비 최대 14.47% 이상 향상된 성능을 보였다.

RNA 결합 잔여물 예측 (RBS) 성능 비교

| 테스트셋 | 모델 | Specificity (Spe) | Recall (Rec) | Precision (Pre) | F1-score (F1) | MCC | AUC | |———-|——|—————–|————–|—————|————-|——|——| | RNA-117_Test | ESM-NBR | 0.939 | 0.271 | 0.204 | 0.233 | 0.185 | 0.783 | | | CLAPE | 0.642 | 0.673 | 0.097 | 0.171 | 0.148 | 0.718 | | | GraphBind | 0.936 | 0.303 | 0.171 | 0.218 | 0.168 | 0.718 | | | GeSite | 0.909 | 0.550 | 0.258 | 0.352 | 0.326 | 0.861 |

GeSite는 RNA 결합 예측에서도 MCC 0.326을 기록하여 경쟁 모델보다 35.83%~171.66% 높은 성능을 보였다.

3. 모델 성능의 해석 가능성 (Interpretability)

GeSite의 해석 가능성을 검증하기 위해 GNNExplainer 기법을 사용하여, 예측 결과에 기여한 핵심 아미노산 잔여물(residues)을 분석하였다.

• DNA-결합 단백질(5trd_A, 5ui5_V, 6imj_A)의 예측에서,
  • 모델이 Orp-like helix-turn-helix (HTH) 도메인과 홈도메인(Homeodomain)을 학습하여 결합 잔여물 인식을 수행함을 확인
• RNA-결합 단백질(5wty_B, 5wwr_A) 예측에서,
  • Pumilio 반복 영역(Pumilio repeat domain)과 16S RNA 메틸트랜스퍼라제(RsmB/F domain)을 활용하여 RBS 예측 수행

이러한 분석을 통해 GeSite는 단순한 확률 기반 예측이 아니라, 실제 생물학적 기능 영역(biological functional domain)을 인식하는 모델임을 입증하였다.

결론 (Summary)

1. GeSite는 도메인 적응 PLM과 EGNN을 결합하여, 기존 서열/구조 기반 모델보다 뛰어난 성능을 달성
2. DNA 및 RNA 결합 잔여물 예측에서 MCC, AUC 등 주요 메트릭에서 경쟁 모델 대비 우수한 결과를 보임
3. GNNExplainer를 통해 모델이 생물학적 기능 영역을 기반으로 예측하는 해석 가능성을 확인

To evaluate the performance of GeSite, we compared it with competing models across multiple benchmark test datasets and measured key performance metrics such as accuracy, F1-score, Matthews Correlation Coefficient (MCC), and Area Under Curve (AUC).

1. Competing Models

GeSite was compared against state-of-the-art nucleic acid-binding residue prediction models, categorized into:

1) Sequence-driven models:

• ESM-NBR (Zeng et al., 2023)
• ULDNA (Zhu et al., 2024)
• CLAPE (Liu & Tian, 2024)
• DNApred (Zhu et al., 2019)
• hybridDBRpred (Zhang et al., 2024)

2) Structure-driven models:

• GraphBind (Xia et al., 2021)
• GraphSite (Yuan et al., 2022)
• CrossBind (Jing et al., 2024)
• EquiPNAS (Roche et al., 2024)

GeSite outperformed both sequence- and structure-based models by integrating domain-adaptive PLMs and spatial graph-based learning.

2. Benchmark Test Results

Performance on DNA-Binding Residue Prediction

| Test Set | Model | Spe | Rec | Pre | F1 | MCC | AUC | |———-|——|——|——|——|——|——|——| | DNA-129_Test | ESM-NBR | 0.971 | 0.463 | 0.511 | 0.486 | 0.456 | 0.893 | | | CLAPE | 0.955 | 0.464 | 0.396 | 0.427 | 0.389 | 0.881 | | | GraphBind | 0.948 | 0.625 | 0.434 | 0.512 | 0.484 | 0.916 | | | GeSite | 0.956 | 0.637 | 0.481 | 0.549 | 0.522 | 0.941 |

Performance on RNA-Binding Residue Prediction

| Test Set | Model | Spe | Rec | Pre | F1 | MCC | AUC | |———-|——|——|——|——|——|——|——| | RNA-117_Test | ESM-NBR | 0.939 | 0.271 | 0.204 | 0.233 | 0.185 | 0.783 | | | GeSite | 0.909 | 0.550 | 0.258 | 0.352 | 0.326 | 0.861 |

3. Interpretability & Conclusion

• GNNExplainer verified GeSite’s ability to recognize biological functional domains.
• GeSite achieved superior MCC and AUC scores across multiple datasets.
• It provides both high accuracy and biological interpretability.

예제

GeSite의 성능을 검증하기 위해 다양한 학습 데이터(train data) 및 테스트 데이터(test data)를 사용했으며, 모델이 수행하는 테스크(Task)의 입력(input)과 출력(output)을 정의하였다.

1. 학습 데이터 및 테스트 데이터 개요

GeSite는 핵산 결합 잔여물(Nucleic Acid-Binding Residue, NBS) 예측을 위해 DNA 및 RNA 결합 단백질 데이터셋을 사용하였다.

데이터 특징

• 학습 데이터는 충분한 양의 핵산 결합 단백질 서열과 구조 정보를 포함하여 모델이 일반화할 수 있도록 함.
• 테스트 데이터는 학습 데이터에 포함되지 않은 독립적인 데이터셋으로, 모델의 실제 성능을 검증하는 데 사용됨.
• 결합 잔여물(NBS)의 비율이 비결합 잔여물보다 낮음, 따라서 모델은 불균형 데이터 처리 전략을 적용함 (가중치 적용).

2. 테스크(Task) 정의: 핵산 결합 잔여물 예측

GeSite는 단백질 서열 및 구조 정보를 입력으로 받아, 각 아미노산이 핵산(DNA 또는 RNA)에 결합하는지를 예측하는 작업을 수행한다.

(1) 입력 (Input)

모델의 입력은 단백질 서열과 구조 정보로 구성된다.

• 단백질 서열 (Protein Sequence)
  • 아미노산 서열을 문자로 표현
  • 예: "MKLSTGTRSAQVVV..."
• 도메인 적응 단백질 언어 모델(PLM) 임베딩
  • ESM-DBP 또는 ESM-RBP에서 추출한 서열 특징
• 단백질 3D 구조 정보
  • Cα 원자 간 거리 정보 기반 그래프 표현
  • Multiple Sequence Alignment (MSA) 기반 진화적 특징 포함

(2) 출력 (Output)

모델의 출력은 각 아미노산이 핵산 결합 여부를 나타내는 확률 값으로 주어진다.

• 각 잔여물(Residue)에 대해 0~1 사이의 확률값 출력
  • 1에 가까울수록 해당 아미노산이 DNA/RNA와 결합할 가능성이 높음
• 이진 예측 결과 (Binary Classification)
  • 일정 임계값(예: 0.5) 이상이면 “결합”, 미만이면 “비결합”으로 분류

3. 예제 데이터 (Input/Output 예시)

(1) DNA 결합 예측 예시

입력

{
  "protein_id": "P12345",
  "sequence": "MKLSTGTRSAQVVV...",
  "PLM_embedding": [0.35, 0.67, 0.21, ...], 
  "structure_graph": {
    "nodes": ["M", "K", "L", "S", "T", "G", "T", "R", ...],
    "edges": [
      {"source": 0, "target": 1, "distance": 3.8},
      {"source": 1, "target": 2, "distance": 4.1},
      ...
    ]
  }
}

출력

{
  "protein_id": "P12345",
  "residue_predictions": [
    {"position": 1, "amino_acid": "M", "binding_prob": 0.02, "label": "Non-binding"},
    {"position": 2, "amino_acid": "K", "binding_prob": 0.87, "label": "Binding"},
    {"position": 3, "amino_acid": "L", "binding_prob": 0.65, "label": "Binding"},
    ...
  ]
}

• 잔여물 “K”(2번 위치)는 87% 확률로 DNA와 결합한다고 예측됨 → Binding
• 잔여물 “M”(1번 위치)는 2% 확률로 결합 가능성이 낮아 비결합으로 분류됨 → Non-binding

(2) RNA 결합 예측 예시

입력

{
  "protein_id": "Q67890",
  "sequence": "ASDFGHTYIK...",
  "PLM_embedding": [0.45, 0.32, 0.78, ...], 
  "structure_graph": {
    "nodes": ["A", "S", "D", "F", "G", "H", "T", "Y", "I", "K", ...],
    "edges": [
      {"source": 0, "target": 1, "distance": 3.5},
      {"source": 1, "target": 2, "distance": 4.0},
      ...
    ]
  }
}

출력

{
  "protein_id": "Q67890",
  "residue_predictions": [
    {"position": 1, "amino_acid": "A", "binding_prob": 0.12, "label": "Non-binding"},
    {"position": 5, "amino_acid": "G", "binding_prob": 0.91, "label": "Binding"},
    {"position": 7, "amino_acid": "T", "binding_prob": 0.78, "label": "Binding"},
    ...
  ]
}

• “G”(5번 위치)와 “T”(7번 위치)는 높은 확률로 RNA와 결합한다고 예측됨 → Binding
• “A”(1번 위치)는 결합 확률이 낮아 비결합으로 분류됨 → Non-binding

GeSite was evaluated using multiple train and test datasets and performs nucleic acid-binding residue prediction by taking protein sequence and structure information as input and predicting the binding probability for each residue.

1. Train & Test Data Overview

GeSite was trained on DNA-binding and RNA-binding protein datasets, structured as follows:

2. Task Definition: Nucleic Acid-Binding Residue Prediction

(1) Input

• Protein Sequence (String Representation)
• PLM Embeddings (Extracted from ESM-DBP or ESM-RBP)
• Protein 3D Structure Graph Representation
  • Nodes: Amino acids
  • Edges: Residue distances (Cα distance < 14Å)

(2) Output

• Binding probability (0-1) for each residue
• Binary classification (“Binding” or “Non-binding”)

3. Example Data (Input/Output)

(1) DNA Binding Prediction

Output Example

{
  "protein_id": "P12345",
  "residue_predictions": [
    {"position": 2, "amino_acid": "K", "binding_prob": 0.87, "label": "Binding"},
    {"position": 3, "amino_acid": "L", "binding_prob": 0.65, "label": "Binding"},
    ...
  ]
}

GeSite successfully predicts binding residues with high accuracy, demonstrating strong generalization across test datasets.

요약

GeSite는 도메인 적응 단백질 언어 모델(PLM)과 E(3)-동변량 그래프 신경망(EGNN)을 결합하여 핵산 결합 잔여물을 예측하는 모델로, 단백질 서열과 3D 구조 정보를 활용한다. 실험 결과, DNA 및 RNA 결합 예측에서 GeSite는 MCC 0.522 및 0.326을 기록하며 최신 경쟁 모델보다 높은 정확도를 보였다. 입력으로 단백질 서열과 구조 데이터를 받아 각 잔여물이 핵산과 결합할 확률을 예측하며, 높은 확률을 가진 아미노산을 결합 부위로 판별한다.

GeSite combines a domain-adaptive protein language model (PLM) with an E(3)-equivariant graph neural network (EGNN) to predict nucleic acid-binding residues using protein sequences and 3D structural information. Experimental results show that GeSite outperforms state-of-the-art models with MCC scores of 0.522 for DNA-binding and 0.326 for RNA-binding residue prediction. Given a protein sequence and structural data as input, the model predicts the probability of each residue binding to nucleic acids, classifying high-probability residues as binding sites.

기타

Figure 1: GeSite의 모델 아키텍처

이 그림은 GeSite의 전체 모델 아키텍처를 보여준다.

1. 입력 단계(Input Stage): 단백질 서열과 3D 구조 데이터를 입력으로 사용한다.
   • 서열 데이터는 도메인 적응 단백질 언어 모델(PLM)을 통해 임베딩된다.
   • 구조 데이터는 E(3)-동변량 그래프 신경망(EGNN)을 통해 학습된다.
2. 특징 추출(Feature Extraction):
   • PLM을 활용하여 단백질의 기능적 특징을 추출하고,
   • EGNN을 사용하여 단백질 구조 내 잔여물 간의 공간적 관계를 학습한다.
3. 예측 단계(Prediction Stage):
   • 최종 출력으로 각 아미노산 잔여물의 핵산 결합 확률(binding probability)을 예측하여, 결합 여부를 판별한다.

Figure 2: GeSite의 입력 데이터 구성

이 그림은 GeSite에 입력되는 데이터의 구조를 보여준다.

• 단백질 서열 데이터(Protein Sequence Data): 단백질의 아미노산 서열이 문자 형식으로 주어진다.
• PLM 임베딩(PLM Embedding): 도메인 적응 언어 모델을 활용하여 단백질 서열을 벡터화한 데이터.
• 3D 구조 데이터(3D Structure Data):
  • 단백질의 각 아미노산을 그래프의 노드로 변환하고,
  • 노드 간 거리를 기준으로 엣지를 형성하여 그래프 데이터를 생성한다.

Figure 3: 예측 결과 시각화 (Binding Site Prediction Visualization)

이 그림은 GeSite의 예측 결과를 단백질 3D 구조 상에서 시각화한 것이다.

• 붉은색(빨간색)으로 표시된 잔여물은 GeSite가 결합 부위(Binding Residue)로 예측한 부분이다.
• 청색(파란색)으로 표시된 부분은 비결합 부위(Non-binding Residue)를 나타낸다.
• 실제 결합 부위(Experimental Binding Sites)와 GeSite의 예측 결과를 비교하여,
  • 예측이 정확한 부분(빨간색과 실험 결과가 일치)이 많을수록 모델 성능이 우수함을 보여준다.

Table 1: DNA 및 RNA 결합 예측 성능 비교

이 테이블은 GeSite가 기존 모델과 비교하여 DNA 및 RNA 결합 예측에서 얼마나 뛰어난 성능을 보이는지를 나타낸다.

• GeSite는 MCC 0.522로 기존 최고 성능 모델보다 14.47% 향상된 결과를 보였다.
• AUC 0.941로, 예측 정확도가 가장 높았다.

Table 2: RNA 결합 예측 성능 비교

| 테스트셋 | 모델 | Specificity (Spe) | Recall (Rec) | Precision (Pre) | F1-score (F1) | MCC | AUC | |———-|——|—————–|————–|—————|————-|——|——| | RNA-117_Test | ESM-NBR | 0.939 | 0.271 | 0.204 | 0.233 | 0.185 | 0.783 | | | CLAPE | 0.642 | 0.673 | 0.097 | 0.171 | 0.148 | 0.718 | | | GraphBind | 0.936 | 0.303 | 0.171 | 0.218 | 0.168 | 0.718 | | | GeSite | 0.909 | 0.550 | 0.258 | 0.352 | 0.326 | 0.861 |

• GeSite는 RNA 결합 예측에서 MCC 0.326을 기록하며, 기존 모델보다 최대 171.66% 향상된 결과를 보였다.
• Recall(재현율)이 0.550로 높아, 실제 결합 부위를 잘 찾아냈다.

Figure 1: GeSite Model Architecture

This figure illustrates the overall GeSite architecture.

1. Input Stage: Takes protein sequences and 3D structural data as input.
   • The protein sequence is embedded using a domain-adaptive protein language model (PLM).
   • The 3D structure is processed using an E(3)-equivariant graph neural network (EGNN).
2. Feature Extraction:
   • The PLM extracts functional representations of proteins.
   • EGNN learns spatial residue relationships in the protein structure.
3. Prediction Stage:
   • The final output predicts binding probability for each residue to classify binding vs. non-binding sites.

Figure 2: Input Data Representation

This figure describes how GeSite processes input data.

• Protein sequence data: Provided in character format.
• PLM Embedding: Extracted features from a domain-adaptive protein language model.
• 3D Structure Data:
  • Residues are converted into graph nodes.
  • Edges are defined based on residue distances (< 14Å Cα distance).

Figure 3: Visualization of Binding Site Predictions

This figure visualizes GeSite’s predictions on a protein 3D structure.

• Red residues indicate predicted binding residues.
• Blue residues represent non-binding residues.
• By comparing predicted binding sites with experimental data, the model’s accuracy can be assessed.

Table 1: DNA-Binding Residue Prediction Performance

This table compares GeSite’s performance with state-of-the-art models on DNA-binding residue prediction.

• GeSite achieved an MCC of 0.522, improving performance by 14.47% over the previous best model.

Table 2: RNA-Binding Residue Prediction Performance

| Test Set | Model | Spe | Rec | Pre | F1 | MCC | AUC | |———-|——|——|——|——|——|——|——| | RNA-117_Test | ESM-NBR | 0.939 | 0.271 | 0.204 | 0.233 | 0.185 | 0.783 | | | GeSite | 0.909 | 0.550 | 0.258 | 0.352 | 0.326 | 0.861 |

• GeSite achieved a 171.66% MCC improvement over the previous best model.
• High recall (0.550) indicates strong binding site detection.

GeSite consistently outperforms other models in both DNA and RNA-binding predictions, with higher MCC and AUC scores.

refer format:

@article{Zeng2025GeSite, author = {Wenwu Zeng and Liangrui Pan and Boya Ji and Liwen Xu and Shaoliang Peng}, title = {Accurate Nucleic Acid-Binding Residue Identification Based on Domain-Adaptive Protein Language Model and Explainable Geometric Deep Learning}, journal = {Proceedings of the AAAI Conference on Artificial Intelligence}, year = {2025}, url = {https://github.com/pengsl-lab/GeSite} }

Zeng, Wenwu, Liangrui Pan, Boya Ji, Liwen Xu, and Shaoliang Peng. 2025. “Accurate Nucleic Acid-Binding Residue Identification Based on Domain-Adaptive Protein Language Model and Explainable Geometric Deep Learning.” Proceedings of the AAAI Conference on Artificial Intelligence. https://github.com/pengsl-lab/GeSite.