From single-sequence structure prediction to protein fitness landscape through a composable, epistasis-aware mutation atlas
Cerebra-Epistasis 是一个将单序列结构预测与显式上位效应建模相结合的端到端框架，旨在准确预测多突变蛋白质适应度景观，并实现对高阶突变组合的快速、一次性推理。
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
蛋白质是维持生命运转的分子机器，它们折叠成复杂的三维形状，以执行从消化食物到对抗感染等各种任务。长期以来，科学家们一直试图重新设计这些蛋白质，通过微调其遗传蓝图，来创造更优异的工业酶或更有效的药物。挑战在于其可能性的规模极其庞大：单个蛋白质可以通过数百万种不同的方式进行改变，而在实验室中测试每一种变化是不可能的。为了在这一广阔的空间中进行导航，研究人员依赖计算机模型来预测哪些变化会改善蛋白质的功能，而哪些会破坏它。然而，一个主要的障碍在于理解多个变化是如何相互作用的。在生物学中，两个突变共同产生的影响往往不仅仅是它们各自效应的总和；它们可能会以复杂的方式相互放大或相互抵消，这种现象被称为上位性（epistasis）。预测这些非线性相互作用一直是一个持续存在的难题，尤其是在尝试预测具有多个突变的蛋白质行为时。
由清华大学和中南财经政法大学的研究人员开发的一个名为 Cerebra-Epistasis 的新框架，为这个问题提供了一种全新的方法。该团队并没有将每个潜在的蛋白质变体视为需要从头开始解决的独特谜题，而是构建了一个系统，该系统首先绘制蛋白质的结构，然后创建一个关于每一个可能的单点变化如何影响该结构的、可重复使用的“图谱”。通过结合一个快速的单序列结构预测器和一个旨在学习突变如何相互作用的网络，该系统可以通过简单地从这个预建的地图中提取数据，来组装复杂多突变蛋白质的预测结果。这种方法使模型能够看到蛋白质的三维语境，理解在遗传序列中相距较远的残基在折叠后的形状中可能是近邻，从而影响彼此的行为。
研究人员使用各种蛋白质数据集对该系统进行了现有方法的测试。在涉及数百万种变体的标准测试中，Cerebra-Epistasis 在预测蛋白质功能表现方面优于其他领先模型。随着突变复杂性的增加，其优势变得更加显著。当其他模型在预测具有三个或更多变化的蛋白质行为时感到吃力时，Cerebra-Epistasis 仍保持着高准确度，这表明它成功捕捉到了突变如何组合的隐藏规则。该系统还能预测训练过程中从未见过的两两突变之间的未知相互作用，这种能力对于从头设计新蛋白质至关重要。在特定的案例研究中，例如分析色氨酸合酶，该模型正确识别了氨基酸之间最强的有益相互作用，并将其映射到蛋白质内部正确的物理位置。
除了准确性之外，该系统还实现了速度上的重大飞跃。传统方法要求计算机对每一个候选蛋白质的结构和序列进行单独分析，随着可能变体的数量增长，这一过程会呈指数级变慢。相比之下，Cerebra-Epistasis 通过对原始未突变的蛋白质进行一次编码来生成其图谱。一旦建立了这个图谱，系统就可以通过简单地检索和组装相关的数据片段，瞬间评估数百万种潜在的组合。研究人员估计，筛选一个典型蛋白质所有可能的三突变变体的完整景观，使用他们的系统仅需几分钟，而其他顶尖模型完成同样任务则需要数天甚至数年。这种效率为探索此前因计算成本过高而无法研究的广阔蛋白质空间打开了大门。
该研究还探讨了将结构预测器和适应度预测器进行联合训练，而非分别训练，是否会产生更好的结果。他们发现，允许系统的这两个部分相互学习，可以在不降低结构图质量的前提下提高适应度预测的准确性。这表明，结构语境不仅仅是一个静态的背景，它还是一个可以被精细调整以更好地理解突变如何影响功能的活跃组件。虽然该系统依赖于原始蛋白质的结构，且尚未考虑到由突变引起的剧烈形状变化，但它代表了在使蛋白质工程变得更具可预测性和更高效方面迈出的有力一步。通过将一个巨大的、混沌的搜索问题转化为一个结构化的组装任务，这项工作为科学家设计下一代生物工具提供了新的工具。
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。