PepLand: a large-scale pre-trained peptide representation model for a comprehensive landscape of both canonical and non-canonical amino acids

01 / 研究问题

除了常见氨基酸，模型怎样读懂含非天然氨基酸的多肽？

02 / 创新思路

利用异构图在原子与片段尺度学习，结合片段掩码自监督，以及从天然到非天然多肽的预训练适配。

03 / 方法机制

AdaFrag 结合氨基酸切分与 BRICS 侧链片段，原子、片段与连接关系在异构图中交换信息。掩码预训练先学习天然化学，再适应非天然多肽。

04 / 实验设置

2023 作者稿的第一阶段含 7,924,509 个样本，第二阶段含 8,977 条非天然多肽。下游包括 CPP（1,162 正例/1,162 负例）、短序列 PROSO-II 溶解度及亲和力，与 ESM 和小分子编码器比较。所读正文未给出下游精确划分比例。

Author manuscript · 2023 · Tables 2, 3, 5 · 来源 ↗

05 / 主结果

两阶段训练的非天然亲和力 PCC 达 0.873；天然 CPP AUC 为 0.838，低于 ESM 的 0.885。这些属于 2023 作者稿，不是 2025 期刊表。

ORIGINAL FIGURE / PAPER SOURCE

方法如何工作。

AdaFrag 在氨基酸切分之外引入 BRICS 侧链片段，把天然与非天然化学放入同一原子／片段异构图。掩码学习先建立表征，再通过两阶段预训练适配非天然多肽。

REPORTED COMPARISON / SAME-PAPER CONDITIONS

比较结果，也保留不领先的地方。

2023 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 →

天然多肽 CPP 分类 · Table 2

模型	AUC ↑
ESM	0.885
PepLand	0.838
ESM + PepLand	0.885

PepLand 单独在这个天然 CPP 任务上低于 ESM；非天然任务是其重要研究重点。跨论文的数据划分与协议未对齐，不做横向排行榜。

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
Amiibo	非天然亲和力 SCC	0.708
AdaFrag	非天然亲和力 SCC	0.749
Amiibo → AdaFrag	溶解度 F1	0.696 → 0.693
单阶段 → 两阶段	非天然亲和力 PCC	0.827 → 0.873
单阶段 → 两阶段	天然亲和力 PCC	0.496 → 0.450

来源：2023 作者稿 Tables 3、5。侧链片段和两阶段训练并非对所有指标都有增益。

A BOUNDED CASE / REPRESENTATIONS IN CONTEXT

回到具体的多肽问题。

1SMF

公开作者稿 Figure 8：6 个样本，Spearman 0.829。来自未纳入训练的 SKEMPI 筛选案例。

查看公开结构 ↗

5XCO

公开作者稿 Figure 8：10 个样本，Spearman 0.718。小样本回顾性案例，不能代表前瞻性候选发现。

查看公开结构 ↗

06 / 消融与局限

Tables 3–5 比较片段化、掩码及训练阶段。两阶段使非天然亲和力 PCC 从 0.827 提升至 0.873，但天然亲和力 PCC 从 0.496 降至 0.450。表征质量依赖任务，小规模回顾性案例不证明前瞻性候选发现。

表征学习并不等于实验确认了治疗候选。泛化能力需要结合具体任务、数据划分与评测条件判断。

07 / 个人贡献

第一作者。

08 / 论文与代码