← 最新论文
💻 生物信息学

zsasa: a Zig-based engine for high-throughput solvent accessible surface area at proteome scale

本文介绍了 zsasa,这是一个基于 Zig 的快速开源引擎,它利用多核和 SIMD 优化,为蛋白质组规模的结构和分子动力学轨迹提供高吞吐量的溶剂可及表面积 (SASA) 计算,且与现有工具相比具有更快的速度和更低的内存占用。

原作者: Nagae, T., Tomii, K.

发布于 2026-11-11 (v2)
📖 1 分钟阅读☕ 轻松阅读

原作者: Nagae, T., Tomii, K.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

请不要将蛋白质仅仅视为一座静态的雕像,而应将其想象成一个在水中漂浮的复杂三维物体。在生物学领域,了解这个物体有多少部分与水接触至关重要。科学家们称之为溶剂可及表面积(solvent accessible surface area)。这是一个简单的概念,却有着深远的影响:蛋白质暴露在水中的表面积程度有助于决定其稳定性、它如何与其他分子结合,以及它如何与环境进行相互作用。几十年来,研究人员一直利用这一测量指标来研究从药物设计到生命基本机制的一切事物。然而,他们所研究的数据性质已经发生了巨大的变化。我们不再仅仅是在实验室里观察少数几种蛋白质;我们现在正盯着由强大的计算机模型生成的数十万甚至数百万个预测结构。这些庞大的集合,连同描述蛋白质随时间如何运动的长而复杂的模拟过程,已经超出了科学家们传统用于测量它们的工具的处理能力。旧有的工具虽然准确,但速度缓慢,且难以处理这些新数据集所要求的海量数据或特定的文件格式。

为了解决这一瓶颈,一个研究团队开发了一个名为 zsasa 的新引擎。该工具从底层开始构建,使用了一种旨在实现速度和效率的现代编程语言,旨在以比以往快得多的速度为大规模蛋白质集合计算表面积。研究人员使用包括数千个人类和细菌蛋白质预测模型在内的真实世界数据,对这个新引擎进行了既有方法的测试。他们发现,这个新工具能够精确地重现那些受信任的旧方法的计算结果,甚至可以精确到单个原子,但其速度却快得多。在一台标准的笔记本电脑上,它能在几分钟内处理数万个蛋白质结构,且使用的计算机内存仅为其他工具的一小部分。在一项测试中,它在不到半小时的时间内计算了超过 600,000 个预测蛋白质对的表面积。这种速度为在单台计算机上分析整个蛋白质组(即生物体内的全套蛋白质)打开了大门,而这项任务以前需要大型服务器集群,或者根本因为太耗时而无法尝试。

这个新引擎的力量不在于发明了一种新的表面积测量方法,而在于它执行计算的高效方式。其底层的数学原理与多年来使用的标准方法保持一致,确保了结果的可靠性以及与过去研究的可比性。然而,其代码处理数据的方式却截然不同。它被设计为能够同时处理多个处理器核心,并使用特殊的指令来允许其同时进行多次计算。它还以一种保持低内存占用的方式处理数据流,这意味着它可以处理巨大的文件而不会导致计算机崩溃。研究人员通过在一个庞大的的人类蛋白质模型集合上运行该工具证明了这一点。当其他工具需要显著更多的内存且耗时更长时,这个新引擎不仅快速完成了工作,还保持了极小的内存占用。它还被证明能够处理分子动力学轨迹(即展示蛋白质随时间运动的序列帧),处理速度比现有解决方案快了几十倍。

除了纯粹的速度之外,该工具的设计还使其能够无缝融入现代科学工作流。它可以直接读取压缩文件,一次处理整个目录的数据,并输出可以轻松与其他数据结合进行统计分析的结果格式。为了展示这种能力的实际应用,团队将该引擎应用于一个大规模的预测蛋白质相互作用数据集。他们计算了当两个蛋白质结合在一起时,有多少表面积被掩埋(buried),这是判断它们是否可能相互粘附的关键指标。分析揭示了一个令人惊讶的见解:大量的掩埋表面积并不自动意味着该相互作用是真实或可靠的。许多预测的蛋白质对虽然表现出显著的掩埋现象,但缺乏科学家用来信任预测的其他质量指标。这一发现强调,虽然表面积是一个有用的特征,但必须结合其他置信度评分来进行解读。该工具不仅仅加速了计算;它还让研究人员能够针对以前难以实现的规模的数据集提出问题。

这个引擎的开发代表了结构生物学处理数据方式的一种转变。随着该领域向分析数百万个结构而非仅仅是几个结构的方向发展,快速高效地处理信息的能力变得与测量的准确性本身一样重要。研究人员已向公众开放了该工具,允许其他科学家将这种高通量方法应用于他们自己的研究问题。通过将成熟方法的可靠性与现代计算的速度相结合,这个新引擎实现了此前难以企及的分析水平。它将测量蛋白质表面的任务从一个缓慢、手动的瓶颈转变为一个快速、自动化的步骤,使科学家能够专注于数据的含义,而不是等待数字出现。其结果是,这个工具让庞大的现代蛋白质数据景观变得触手可及,将一座信息大山转化为了一个易于管理且富有洞察力的资源。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →