[AI学术] 超越静态结构：通过 DynaReason‑Pro 将蛋白质动力学关联到功能

本研究聚焦于本质无序蛋白（IDP），其功能依赖于高度异质的构象集合，而传统的功能预测方法大多只利用序列或单一的静态结构。为弥补这一缺口，我们提出了 DynaReason‑Pro——首个能够同时从构象集合预测 Gene Ontology（GO）术语并生成自然语言功能解释的框架。

我们在 Protein Ensemble Database（PED）中精选的 IDP 基准集上进行评估，采用序列和结构簇完全不重叠的划分方式，以防止数据泄漏。进一步地，依据构象变异程度进行分层评估，结果显示在高构象变异区间，模型的预测提升最为显著。

DynaReason‑Pro 的核心流程包括：

1. 从实验或模拟获得的多构象模型构建统一的特征表示；
2. 基于图神经网络和注意力机制联合学习 GO 预测和文本生成任务；
3. 通过对比实验验证多构象信息相较于单一结构的优势。

实验表明，利用完整的构象集合可提升 GO 预测的 F1 分数约 8%，并在功能描述的流畅度和准确性上获得显著改进。

点评