企业档案
会员类型:至尊版
已获得阿仪网信誉 等级评定
(0 -40)基础信誉积累,可浏览访问
(41-90)良好信誉积累,可接洽商谈
(91+ )优质信誉积累,可持续信赖
阿仪网至尊版会员:7年
最后认证时间:
注册号: 【已认证】
法人代表: 【已认证】
参观次数:7001726
公司新闻
【First-in-class药设系列】全人类蛋白间互作的大规模精准预测
点击次数:356发布时间:2025/10/27 8:25:49
蛋白质-蛋白质相互作用 (protein-protein interaction, PPI) 对于生物学功能至关重要。然而,我们对人类蛋白质互作网络的认知仍然远远不够。酵母双杂交(yeast two-hybrid, Y2H)与亲和纯化-质谱(affinity-purification mass spectrometry, APMS)在过去几十年极大推动了互作组学的发展。然而,这些方法的结果往往可靠性不足,且难以真实反映体内情况。来自美国德克萨斯大学西南医学中心的研究团队对比了三大主流PPI数据库(UniProt、BioGRID、STRING)的“高置信度”互作数据,结果发现三者的交集仅有3988对,显示出目前人类互作图谱的碎片化和不一致性。之前研究团队已经将轻量级深度学习(deep learning, DL)网络对细菌和酿酒酵母进行快速 PPI 筛选,且表现较好,但在人类数据规模下不适用,因为人类蛋白质组计算规模庞大,但基因组数量有限。

于是,研究人员利用 PB 级真核生物测序数据(包括未注释草图和原始 reads),大幅增加了同源序列数量,提升共进化统计功效,为全人类 PPI 网络的系统预测奠定基础。他们利用未被充分利用的基因组序列数据,构建了omicMSA。NCBI 序列读取存档(sequence read archive, SRA)数据库拥有超过 30PB 的鸟枪测序读取数据,其中大部分尚未组装和未分析其蛋白质编码内容。在基因组层面,使用了超过 3万个真核生物基因组(共约 20 TB 数据)。经过质量筛选后,保留 2,424 种已注释蛋白质组(proteomes)(约 0.3 TB),以及 6,863 种未注释基因组(draft genomes)(约 7 TB)。测序层面使用了超过 1万个 NGS 原始测序集合(共约 30 PB),组装得到 12,128 个脊索动物或节肢动物的基因组/转录组(约 250 TB)。在数据库丰富性层面,新数据库的物种丰富性远超Uniref100。从深度分布看,omicMSA 的 MSA 序列更深,这意味着它能提供更强的共进化信号。

他们继而用三种深度学习模型对比了不同 MSA 的效果。首先,他们构建了严格的正负样本集,模拟真实人类互作的信噪比。然后在三种模型上做对比。所有模型使用 omicMSA,、Precision-Recall曲线都显著上移,说明预测更准。尤其是新模型 RF2-PPI,利用更深的共进化信号,超越了 AF2 的 ColabFold 管线。这证明 omicMSA 的信息确实能提升深度模型在 PPI 判别上的性能,而 RF2-PPI 则是专为此任务优化的最优选择。

接下来,他们构建数据集用于训练深度学习模型识别真正的蛋白质相互作用。PDB中有 24,358 个异源PPI簇,其中许多对是人体蛋白质或其紧密同源物;在移除这些复合物以避免对人类 PPI 预测造成信息泄露后,仅剩下 13,231 个簇。AFDB中有超过2亿个单体结构,但缺少复合物结构。为拓展蛋白作用数据,他们使用了结构域-结构域相互作用。一个蛋白内部的不同结构域(domain)之间的接触方式(domain-domain interaction, DDI),很像两个不同PPI间的相互作用界面。如果从蛋白内部提取出高质量的DDI数据,就能人为扩充 PPI 模型的训练集。
研究团队在之前就已经开发了一个将每个蛋白质拆分为多个结构域的算法:结合 InterPro 进行结构域注释,通过残基间距离矩阵(inter-residue distance) 和 PAE(预测对齐误差),找到相互作用的结构域。
他们结合PDB PPI和AFDB DDI数据集,基于RF2架构开发了RF2-PPI。输入包含两种 MSA 信息:单体 MSA(single MSA),包含每个蛋白自身的进化信息;配对 MSA(paired MSA),包含两个蛋白共进化信号。RF2-PPI 相较于他们之前开发的RF2lite模型性能显著提升,说明加入 DDI 数据确实有帮助。当使用 omicMSA 时,RF2-PPI 性能达到了最佳。
他们比较了RF2-PPI与AF2在不同类型 PPI(强/中/弱)的表现。尽管AF2在预测强相互作用方面优于RF2-PPI,但RF2-PPI在区分弱相互作用与随机非相互作用对方面显示出优势,这可能是由于其侧重于共同进化而非蛋白质相互作用界面质量。借助omicMSA(深层共进化信号)和RF2-PPI(高效判别模型),首次开展全人类异源 PPI(heteromeric PPI)系统预测。输入是从 AlphaFold 数据库中取20,296个人类蛋白结构模型。两两组合后得到约 206M个蛋白对(206M pairs)。为减少噪声,他们进行了“结构域划分 + 保守性筛选”,最终得到 19,528 个有效蛋白,共191M个可能互作对。其中包括 53.8M个具有共享细胞组分(CC)注释的蛋白对 以及 57.4M个缺乏CC注释的蛋白对。所有配对依次经过 直接耦合分析(Direct Coupling Analysis, DCA)、RF2-PPI 以及 AF2(AlphaFold2)的逐级处理。基准测试结果表明,超过80%的蛋白对被RF2-PPI或AF2预测为具有较高相互作用概率。

在此基础上,研究进一步进行了第二轮基于证据的筛选,以补充上述预测结果。这一轮整合了来自高通量实验的基因关联与物理相互作用数据。由于基因关联并不必然意味着直接相互作用,研究者将这些间接证据与噪声较大的实验结果与计算预测相结合,以识别出一组更小但更高置信度的蛋白质相互作用集合。在来自STRING数据库的5.23M对基因关联蛋白对 中,模型在80%精度下预测出9,428对PPI,在90%精度下预测出7,201对 PPI。同样地,在来自UniProt、BioGRID和STRING数据库的1.15M对已知物理相互作用蛋白对中,模型预测出80%精度下的21,960对 PPI,以及90%精度下的14,129对 PPI。综合两种策略的结果,共计识别出29,257对蛋白质相互作用(预测精度 80%)。

他们用RF2-PPI + AF2预测出的高置信度PPI结果,去反向评估现有各大PPI数据库的准确率。结果发现只有基于PDB结构模板的数据几乎全真,而高通量实验或遗传关联类数据库含有大量假阳性,精确率通常只有6–23%,说明过去的人类互作组数据存在较大噪声。继而,他们比较了预测PPI与数据库中PPI的功能注释一致性(是否参与同一生物过程、是否位于同一区室)。预测PPIs的功能一致性与PDB同源PPIs相当,显著高于BioGRID等实验库。说明这些预测不仅结构可信,也符合细胞功能逻辑。比较实验确定PPI和预测PPI的结构类型分布。二者都以球状结构域间互作为主,柔性螺旋或无序区(intrinsically disordered regions, IDR)相对较少。作者怀疑模型可能会因为膜蛋白的疏水性而产生假阳性预测,因此他们将蛋白分为跨膜、单跨膜和普通三组,分别计算Precision–Recall曲线。结果显示,在高精度区间(80–90% precision)下,跨膜蛋白的召回率与普通蛋白几乎一致,AUC 甚至更高。这说明模型并不是被疏水性误导,而是真正学到了跨膜互作的结构与进化规律。这也是该研究首次系统地在全蛋白组层面可靠预测TMH–TMH互作。
疾病相关变异的映射与意义。预测的高置信度PPI接口中,翻译后修饰(post-translational modification, PTM)、功能位点、以及致病突变(single amino acid variations, SAVs) 的分布。与PDB实验结构相比,这些功能位点在预测界面上富集更多,说明模型预测的互作不仅结构上可信,还具有明确的生物学意义,能够揭示潜在的调控和致病机制。在得到的 17 ,849 个高置信PPI中,大约17% 有同源结构、63% 已经存在于主流数据库,但仍有 20% 从未被报道。这些“新互作”里,很多在 STRING 等库中有遗传关联或远同源模板,说明模型确实捕捉到了一些真实但尚未传播的数据。

研究团队还发现1 ,400多个互作涉及功能未知的蛋白,把这些未知蛋白和已知功能蛋白连接起来,就能帮助推断它们的潜在生物学角色。为深入研究,研究团队挑选了2 ,700个既没数据库记录、又无结构模板的互作,按UniProt功能关键词做富集分析,发现某些功能类别显著富集。这意味着我们的模型可能揭示了过去被忽略的生物学联系。在功能富集分析中发现GPCR相关互作显著增加。以两个新例子说明模型的预测价值:第一个是GPR143–HPS1。两者都参与黑素体生成、与眼白化病相关。模型预测它们直接结合,并且四个致病突变正好位于结合界面,支持预测的准确性,也揭示潜在的疾病机制。第二个是C5AR2–ELANE。两者同样在中性粒细胞中表达,预测结果提示ELANE可负向调节C5介导的炎症反应,这与其生理作用完全一致。界面上也发现与中性粒细胞减少症相关的突变,进一步验证了预测可靠性。这两个例子说明模型能捕捉真实的生物功能关系,尤其在膜蛋白这类实验难研究的体系中具有独特优势。第二个例子是 KLRG1 和 TLR3。KLRG1 本身是抑制性受体,模型预测它与TLR3 结合,从而削弱 TLR3 介导的免疫激活。界面上还发现与疱疹脑炎相关的突变,进一步支持预测。

在模型预测的2700个未知互作中,有一半以上是膜蛋白,尤其富集在线粒体及其它细胞器中。有两个代表例子:第一个是MT-CO2和COX20。两者都是线粒体呼吸链复合体 IV 的组成与装配因子,模型预测它们直接互作,与已知装配通路完全一致。第二个是 C8orf82 和 ETF。C8orf82 原本功能未知,但预测显示它与电子传递黄素蛋白复合物结合,并且界面上有多处致病突变。这提示 C8orf82 可能是 ETF 装配或调控所必需的新成员。因此,该预测不仅揭示了线粒体复合体的新互作,也为理解代谢性疾病提供了分子线索。
综上,研究团队实现了首个人类互作组系统级预测,成功预测约1.8万个高置信度 PPI,其中 3600+ 以前未知,提供可供实验验证的候选互作。构建史上最深的真核 pMSA 数据库(omicMSA),从 21,000+ 物种、30 PB原始测序数据。但仍有许多问题没有解决。PPI覆盖率仍有限,目前预测仅覆盖人类互作的12–32%,主要集中在稳定、结构化复合物,弱相互作用(transient PPIs)和 IDR 区域仍难以捕捉。覆盖率仍有限,共进化信号强依赖omicMSA的深度和物种多样性,低保守性或罕见蛋白的互作预测准确率下降。实验验证仍缺乏,虽与数据库对比验证一致性,但缺乏系统湿实验验证,真正的新互作(3,600+)仍需实验确认。
参考文献
Jing Zhang, Ian R Humphreys, Jimin Pei, Jinuk Kim, Chulwon Choi, Rongqing Yuan, Jesse Durham, Siqi Liu, Hee-Jung Choi, Minkyung Baek, David Baker, Qian Cong. Predicting protein-protein interactions in the human proteome. Science. 2025 Sep 25:eadt1630. doi: 10.1126/science.adt1630.







