PepHarmony: a multi-view contrastive learning framework for integrated sequence and structure-based peptide representation

01 / 研究问题

多肽结构复杂又灵活。能否借助结构信息，让模型更好地理解序列？

02 / 创新思路

通过多视图对比学习对齐序列与结构表征，将结构信息迁移到序列编码器。

03 / 方法机制

ESM 序列编码器与 GearNet 结构编码器通过对比训练对齐，下游预测保留纯序列输入；VAE 变体另探索生成式学习。

04 / 实验设置

作者稿 v1 收集 17,300 条短于 50 残基的 PDB 多肽及 AlphaFold 结构，并以结构置信度过滤子集进行预训练。CPP 含 1,162 正例和 1,162 负例，PROSO-II 用于溶解度；基线包括 ESM2、微调 ESM 和 GearNet。所读正文未提供下游精确划分比例。

Author manuscript v1 · 2024 · Tables 1, 3 · 来源 ↗

05 / 主结果

Table 1 的 CPP AUC 为 0.874，ESM2 为 0.864；亲和力 Spearman 为 0.447，低于微调 ESM 的 0.473。不以 2026 正式期刊结果替代这些 v1 数值。

ORIGINAL FIGURE / PAPER SOURCE

方法如何工作。

训练时，ESM 序列编码器与 GearNet 结构编码器学习对齐；推理时，下游任务只使用序列编码器。结构知识通过训练进入表征，不需要每个推理样本都输入结构。

REPORTED COMPARISON / SAME-PAPER CONDITIONS

比较结果，也保留不领先的地方。

2024 年公开作者稿的报告结果；数值对应该版本，而非最终期刊表格。 查原表 ↗

横向滑动或聚焦后用方向键查看全部列 →

CPP 分类 · Table 1

模型	Accuracy	F1	AUC ↑
ESM2	0.723	0.756	0.864
ESM-finetune	0.770	0.755	0.839
GearNet-finetune	0.764	0.753	0.842
PepHarmony-CL	0.790	0.766	0.874
CL + VAE	0.777	0.764	0.871

CPP 数据含 1,162 个正例与 1,162 个负例；结构置信度过滤在稿中被研究。亲和力任务的 SCC：ESM-finetune 0.473，PepHarmony 0.447，不能概括为所有任务领先。

ABLATION / WHAT CHANGES THE RESULT?

把机制拆开，看它是否有用。

横向滑动或聚焦后用方向键查看全部列 →

条件	任务 / 指标	报告值
不按结构置信度排序	CPP AUC	0.843
按结构置信度排序	CPP AUC	0.874
Diffusion 初始化	CPP AUC	0.855
CL + VAE	CPP AUC	0.871

来源：2024 作者稿 Table 3 的 CPP 列。早期稿个别亲和力与溶解度列存在表文或表间矛盾，这里不引用有争议的数值。

A BOUNDED CASE / REPRESENTATIONS IN CONTEXT

回到具体的多肽问题。

结构信息能否改善序列表征？

CPP 是稿中一个具体检验：训练时加入序列–结构对齐，下游推理保持序列输入。CPP AUC 的同稿比较支持这一任务上的收益；亲和力任务的反例提醒我们收益依赖任务。

这是公开任务案例，不是某个实验候选的治疗效果。

作者稿 Figures 4–5 与 Tables 1、3 ↗

06 / 消融与局限

Table 3 中，CPP AUC 从未按置信度排序的 0.843 提高至排序后的 0.874；diffusion 初始化为 0.855。预测结构置信度与短肽柔性影响表征；早期亲和力/溶解度表有不一致，排除有争议的项。对比对齐并不证明结构理解全面更强。

所链接作者稿为早期版本，上方列出最终期刊信息。表征基准并不能证明治疗疗效或实际部署。

07 / 个人贡献

第一作者。

08 / 论文与代码