噬菌体配对不再只靠一种嵌入：按查询菌株的新颖度路由模型，双新场景AUPRC从0.036升到0.671
核心概要
噬菌体疗法需要为每一株临床分离菌找到能感染的噬菌体，而传统实验筛选费时费力。PhageHost-GNN把噬菌体受体结合蛋白与细菌K位点蛋白的序列、结构和基因组上下文嵌入放进图神经网络，并按查询菌株与训练集的相似度自动选择最合适的嵌入模型。在西班牙来源的Beamud2023数据上，宿主与噬菌体双双未见过时，路由模型的AUPRC为0.671，而固定嵌入模型不超过0.036。
深度剖析
噬菌体与宿主菌的配对预测不再依赖单一固定的蛋白嵌入，而是按查询菌株相对训练集的新颖程度自动切换嵌入模型。 此前的工作要么只用一种算法嵌入噬菌体或宿主蛋白，要么把多种嵌入拼接融合，很少按查询实体的新颖度分别评估并据此选择模型。 在西班牙来源的Beamud2023数据上，宿主与噬菌体双双未见过时，路由模型的AUPRC为0.671、AUROC为0.935，而所有固定嵌入模型的AUPRC不超过0.036、AUROC不超过0.548。
框架把噬菌体与宿主菌建成异构图上的两类节点，用实验验证过的感染关系作为监督边，并让新节点只接收训练图的消息。 GraphSAGE负责邻域采样与聚合，GATv2用两个注意力头给邻居加权，从而在保留预训练上下文的同时接纳新分离的菌株。 训练与评估使用Wu2026数据集（121株宿主、74株噬菌体、8,954对互作）和Boeckaerts2024数据集（200株宿主、105株噬菌体、10,006对互作），并在宿主未见、噬菌体未见、双未见三种模式下做留一组交叉验证。
本地实验室可以用微调把已有模型迁到自己的小规模数据集，而不必从随机初始化重新训练。 全量微调更新图编码器和MLP解码器，仅解码器微调冻结图编码器、只更新解码器，可训练参数降到19.1%。 在NVIDIA H100 80 GB上，从头训练端到端耗时略超8分钟，全量微调略超2分钟，仅解码器微调略超1分钟；在Beamud2023上从头训练的整体AUPRC为0.338，全量微调为0.181，仅解码器微调为0.085。
启示与展望
该框架面向克莱伯西菌噬菌体疗法的计算预筛，输入限定为噬菌体受体结合蛋白和细菌K位点蛋白，输出是候选配对的排序，供后续湿实验验证。评估覆盖宿主未见、噬菌体未见和双未见三种推理模式，并在Boeckaerts2024-in-vitro与Beamud2023两个实验验证数据集上做回顾性基准。作者提出下一步需要前瞻性多中心评估，以判断它是否真的缩短筛选时间或降低成本。
作者指出，不以荚膜或K抗原为主要受体的互作可能被漏掉，因为模型输入限定在受体结合蛋白和K位点蛋白。受体介导的吸附只是感染的第一步，吸附后的宿主防御和胞内兼容性同样可能阻断基因组进入、复制、组装或裂解，这些决定因素不在当前机制之内。kNN辅助边可能对差异较大的实体引入相似度偏倚，需要更密的互作矩阵和独立对照来量化。上述结论来自Beamud2023数据集的评估，更广泛应用前需要独立数据集上的前瞻性验证。