Locus-resolved reconstruction of the pig UGT family reveals an isoform-collapse artifact in frozen ESM-2 retrieval
本研究通过重建猪 UGT 基因家族发现，虽然冻结的 ESM-2 嵌入能够提高特定蛋白质异构体的排序性能，但一旦将评估标准统一至位点层面，它们在回收额外基因方面的表现并不优于传统的序列搜索方法，从而揭示了以往基准测试中存在的异构体分辨率伪影。
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
在从微小的鼠类到庞大的奶牛等每种生物的细胞内部，一支安静的化学清理小组始终在勤勉工作。这些工作人员是被称为 UDP 糖基转移酶（简称 UGTs）的蛋白质。它们的工作是将一个小小的糖分子附着在各种物质上，这一过程有助于身体中和毒素、分解激素并管理脂肪。对于猪这类家畜而言，准确了解存在哪些这样的工作人员及其运作方式，对于兽医学和食品安全至关重要，因为这有助于科学家预测动物如何处理药物或环境化学物质。然而，猪的基因组是一个复杂的景观，这些工作基因经常出现在拥挤的集群中，多个副本紧挨在一起。这使得很难分辨一个基因在哪里结束，另一个在哪里开始，或者难以区分一个完整的、功能性的工作者与一个破碎的片段。多年来，研究人员一直致力于为这些特定的基因建立一份清晰、准确的地图，但常常因这些看起来极其相似的副本数量之多而感到困惑。
云南农业大学的一个研究团队现在以空前的清晰度绘制了那张地图，揭示了我们在搜索这些基因时的一个令人惊讶的转折。他们专注于一类特定的猪蛋白，并重建了一个包含十六个不同位置（即位点）的目录，这些基因就居住在这些位置。其中有十三个位置拥有完整、工作的蓝图，而三个仍不完整，需要进一步审查。通过这项工作，他们发现了一个现代遗传分析中的隐藏陷iel（陷阱）。最近，科学家们开始使用强大的人工智能工具，特别是一种被称为 ESM-2 的语言模型来寻找蛋白质。这些工具非常擅长识别蛋白质的化学语言中的相似性，即使它们的序列看起来截然不同。当研究人员第一次测试这个 AI 工具时，它似乎表现得比传统的搜索方法更出色，能更快、更高等级地排列出正确的蛋白质。这看起来像是一个突破。
然而，研究人员发现，这种表面的优势是由数据计数方式造成的幻觉。在生物学中，单个基因可以产生多个版本的蛋白质，称为异构体，就像一份食谱可以有几种细微变化的写法一样。这个 AI 工具非常擅长从特定基因中挑选出最好的蛋白质版本。但是，当研究人员将所有这些不同的版本合并，仅计算基因本身的数量时，AI 的领先优势便消失了。一旦他们根据实际发现的基因数量而非蛋白质版本的数量来比较这些工具，AI 工具的表现与旧的标准搜索方法完全一致。AI 并没有发现任何新基因；它只是更好地组织了现有的基因。这一发现至关重要，因为它警告科学家：将特定的蛋白质版本排在较高位置，并不意味着发现了一个新基因。要寻找新基因，必须观察基因本身，而不仅仅是它的许多蛋白质变体。
随后，研究转向了位于 8 号染色体上一个特别混乱的基因簇，该区域有六个相似的基因并排坐落。这个区域是遗传变异和重复的热点，是一个完美的测试案例。研究人员结合了猪的 DNA 结构、与牛共享的进化历史以及基因在不同组织中的实际活性证据。他们发现，虽然这个集群中的基因密切相关，但它们并不是完全相同的副本。通过使用一种寻找 RNA（携带从 DNA 到构建蛋白质指令的分子）中独特短序列的方法，他们能够辨别出这些基因中哪些实际上正被猪的身体所使用。结果显示，该集群中的两个基因——命名为 SsUGT2A-like-03 和 SsUGT2A-like-04——显然是活跃的，并得到了强有力的证据支持。第三个基因 SsUGT2A-like-02 则更难被检测到，几乎没有证据表明它正在被转录成 RNA，这表明它可能活性较低，或者可能是一个旧的重复片段的残余。
研究人员还观察了这些基因的进化历史，以观察它们是在不断变化以适应新挑战，还是保持不变。他们发现，这些基因承受着保持不变的强大压力，这表明它们正在执行基本的、保守的功能，而不是在快速进化出新的功能。这些基因所产生的蛋白质的预测三维结构几乎完全相同，进一步证实了它们很可能从事同样的工作。这项细致的工作为未来的研究提供了一个稳定、可靠的参考。研究人员不再面对一份混乱的名字列表和重叠的记录，而是拥有了一个包含十六个特定位置、具有经过验证的坐标和证据水平的清晰目录。这种清晰度有助于更好地设计实验、进行更准确的物种间比较，以及更深入地理解猪如何处理它们遇到的化学物质。这项研究最终关于我们使用的工具传达了一个宝贵的教训：虽然人工智能可以帮助我们处理复杂的数据，但我们必须始终谨慎地询问正确的问题。如果我们想知道存在多少个基因，我们必须统计基因本身，而不仅仅是统计它们所呈现出的许多面孔。
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。