ChiGNN：基于扩散模型的蛋白质侧链构象预测新方法

ChiGNN是一种基于扭转扩散的生成式AI模型，核心创新在于利用Von Mises分布在圆形空间S¹上对蛋白质侧链二面角建模，解决现有方法无法捕捉构象分布的局限，具备轻量级（仅8万余参数）和不确定性校准能力，为蛋白质结构预测领域提供新方案。

蛋白质结构预测中，侧链二面角决定功能特性（活性位点、配体结合、氢键网络），但现有经典方法（SCWRL4、Rosetta）为确定性优化，无法反映动态构象分布；AlphaFold2虽突破主链预测，但侧链构象仍是难题。

核心创新

• 扭转扩散在S¹空间：采用Von Mises噪声分布（适配圆形数据周期性），替代传统高斯扩散。
• 轻量级GNN：4层GCNConv+批归一化+残差连接，总参数量80404，可在Colab T4 GPU高效运行。
• 圆形DDIM采样：逆向过程适配S¹空间，确保角度有效。

数据流

输入为蛋白质图（节点：残基信息；边：Cα距离<8Å连接），前向扩散加Von Mises噪声，逆向通过GNN预测梯度恢复原始角度。

数据集

从PDB-REDO筛选597个高分辨率（<2.0Å）结构，训练/验证/测试按蛋白质级别80%/10%/10%划分。

训练

AdamW优化器+余弦退火，训练50epoch，最佳在42轮（验证损失0.0885）。

结果

• χ₁圆形MAE 56.41°（优于模态基线~60-65°）
• χ₁ rotamer恢复率±40°达53.9%（优于基线~47%）
• 玫瑰图复现侧链角度三模态分布，证明生物物理约束学习。

ChiGNN的不确定性量化能力为核心价值：预测方差与实际误差显著相关（Spearman ρ=0.299，p<0.001），可用于可靠性评估、实验指导和迭代优化。相比确定性方法（SCWRL4/Rosetta）无自诊断能力，AlphaFold不确定性反映数据覆盖度，ChiGNN更具针对性。应用前景包括药物设计（合理分配实验资源）、蛋白质工程（理解突变效应），开源实现降低使用门槛。

局限性

• 数据集规模小（597个蛋白质）限制泛化；
• GCNConv非等变性，对蛋白质取向敏感；
• 独立建模二面角，未捕捉联合分布。

未来方向

扩展数据集至10000+、采用EGNN等变架构、多变量扩散建模、CASP15基准验证、结合轻量级力场精修。