A multi-layer computational framework for structural prioritization of transcriptome-derived proteins

在生命的浩瀚图书馆中，每一个细胞都携带着一套由称为 RNA 的代码编写的指令。这些指令告诉细胞如何构建蛋白质，即执行生物体生存和功能所需几乎所有任务的分子机器。几十年来，科学家们能够以惊人的速度读取这些指令，从植物、动物和微生物中生成海量的蛋白质序列列表。然而，了解蛋白质序列中的字母仅仅是一个开始。为了理解一种蛋白质实际上是如何运作的，研究人员需要看到它的三维形状。蛋白质的形态决定了它的功能，就像钥匙的形状决定了它能打开哪把锁一样。挑战在于，虽然计算机现在可以读取数百万条遗传指令，但预测由此产生的复杂折叠形状的蛋白质仍然是一个困难的瓶颈。没有这些形状，几乎不可能知道哪些蛋白质可能与体内的特定目标（例如驱动炎症的信号分子）发生相互作用。

这正是这项新研究介入的地方，它提供了一种系统的方法来应对这一庞大的数据量。来自巴西 ABC 联邦大学的研究人员开发了一个多层计算框架，旨在筛选数千个候选蛋白质，并识别出其中最具前景的蛋白质以进行进一步研究。他们将重点放在了 Cereus jamacaru 上，这是一种原产于巴西卡廷加生物群落的仙人掌，以其潜在的抗炎特性而闻名。虽然之前关于这种植物的研究主要集中在小分子化合物上，但该团队希望探索隐藏在其遗传密码中的蛋白质。他们的目标并非证明这些植物蛋白质能直接治愈疾病，而是要建立一种可靠的、循序渐进的方法，用以寻找在结构上稳固且能与人类炎症信号发生相互作用的蛋白质候选者。通过结合几种不同的计算机技术，他们成功地将超过 129,000 个翻译蛋白质的列表缩减至仅 9 个高置信度的候选对象，展示了一种可以应用于任何生物体遗传数据的可扩展策略。

旅程始于一个包含来自该仙人掌根部和表皮的 12 9,052 个蛋白质序列的海量数据集。为了处理这一压倒性的数字，研究人员首先应用了一个基于已知结构的广泛过滤器。他们将仙人掌蛋白质与实验确定的蛋白质形状数据库进行对比，仅保留那些与已知结构共享超过一半序列的蛋白质。这一初始步骤将候选池减少到约 14,800 个。随后，他们使用评分系统评估预测形状的质量，剔除了那些看起来不稳定或不可靠的形状。这一过程将名单缩减至约 3,500 个高质量结构模型，从而创建了一个可用于深入分析的可控候选集。

接下来，团队将注意力转向了三种被称为细胞因子的特定人类蛋白质：肿瘤坏死因子-α、白细胞介素-1 β 和干扰素-α。这些分子是人体炎症反应的核心调节因子，通常参与类风湿性关节炎等疾病。研究人员想看看是否有任何仙人掌蛋白质能与这些人类细胞因子发生物理相互作用。为此，他们采用了两步对接策略。首先，他们使用一种快速的刚体筛选方法，测试这 3,500 个仙人掌蛋白质与三种人类细胞因子的匹配程度。这一步识别出了一组显示出初步匹配前景的蛋白质。为了精炼结果，他们使用了第二种更具灵活性的对接方法，该方法允许蛋白质形状发生轻微移动，模拟真实分子在结合时可能进行的调整。通过寻找在两种方法中表现均良好的蛋白质，研究人员确定了 9 个在结构兼容性上持续显示出与人类细胞因子强关联性的候选对象。

在宣布这 9 种蛋白质为最终获胜者之前，团队对它们进行了一系列严格的验证测试，以确保其发现并非仅仅是计算机伪影。他们首先使用一种名为 AlphaFold 3 的高级预测工具精炼了这 9 种蛋白质的形状，该工具生成了新的、高置信度的模型，以确认初始结构的准确性。随后，他们分析了仙人掌蛋白质与人类细胞因子接触的具体位点。他们统计了在这些界面处形成的化学键数量，如氢键和盐桥。大量的此类连接表明存在稳定且紧密的契合。此外，他们还检查了参与这些相互作用的仙人掌蛋白质部分是否具有进化保守性，这意味着这些部分在数百万年的进化过程中保持不变。这种保守性通常表明蛋白质的特定区域对于其功能或稳定性至关重要，为结果增加了另一层信心。

为了测试这些相互作用在现实条件下是否成立，研究人员运行了动力学模拟。他们将四个最有希望的蛋白质对放入充满水分子的虚拟环境中，并模拟它们随时间变化的行为。这些模拟每次运行 100 纳秒，每个蛋白质对重复三次，以确保结果具有可重复性。目标是观察蛋白质是会保持锁定状态，还是会在运动和晃动时彼此分离。结果显示，这些相互作用在整个模拟过程中保持稳定。即使在虚拟水中移动，蛋白质仍能维持其形状和连接点。这种动态稳定性证实了预测的相互作用不仅是静态快照，而且代表了稳健且在物理上合理的复合物。

研究还仔细观察了这 9 种被优先考虑的蛋白质究竟是什么。通过功能分析，团队发现它们属于多样化的酶和调节蛋白家族，包括氧化还原酶和 RNA 结合蛋白。这些是典型的植物代谢组成部分，参与能量生产和压力响应等过程。研究人员强调，这些蛋白质的选择完全是由它们与人类细胞因子的结构兼容性驱动的，而非基于它们天然作为人类药物功能的假设。事实上，该研究明确反对认为这些植物蛋白质是人类细胞因子调节器的直接功能等价物的观点。相反，研究结果表明，这些植物蛋白质的三维形状恰好创造了可以与人类炎症信号物理契合的表面，这可能是由于共同的几何学和化学原理，而非共同的生物学历史。

这项工作的终极价值在于其框架本身。研究人员并未声称发现了某种新药，而是提供了一种寻找候选对象的方法。通过整合多层证据——结构建模、双重对接方法、进化分析和动力学模拟——他们创建了一个在每一步都能降低不确定性的工作流。这种方法允许科学家从大规模、难以管理的数据库转向一个经过筛选的高置信度目标清单，这些目标已准备好进行实验测试。研究结论指出，该策略是可迁移的，这意味着它可以应用于任何转录组或大型蛋白质数据集，以识别结构稳健的候选对象。它为生物勘探提供了一条切实可行的路径，将压倒性的遗传数据转化为能够指导未来生化研究和蛋白质工程工作的聚焦假设。