预测给定蛋白质与其他分子的相互作用，是生物学中的一个主要挑战。研究人员开发了一种基于旋转等变Transformer的神经网络，可直接作用于蛋白质原子，以高置信度预测相互作用界面，无需系统物理参数化，只需使用适度的资源，便可高速运行。该神经网络可分析大型结构整体和数据集，例如来自分子动力学模拟或整个折叠体的集合。

研究人员在这个Transformer的基础上开发了PeSTo——蛋白质结构Transformer——一种蛋白质结合界面的通用预测器，通过训练可预测蛋白质-蛋白质相互作用界面。该方法无需将物理化学特征参数化，因此用于预测其他类型结合界面的训练也非常简单，如，预测和区分涉及核酸、脂质、离子和小分子的界面。

信息来源：

https://www.nature.com/articles/s41467-023-37701-8