撰文丨王聰

編輯丨王多魚

排版丨水成文

基因組學的迅速發(fā)展使眾多新蛋白質(zhì)得以探索，這為表征生物體中蛋白質(zhì)的功能帶來了前所未有的機遇和新的挑戰(zhàn)。盡管傳統(tǒng)的生化實驗方法在研究蛋白質(zhì)功能方面發(fā)揮了重要作用，但這些方法存在明顯的局限性，因為它們通常耗時費力，而且難以擴大規(guī)模以實現(xiàn)高效篩選。

蛋白質(zhì)的一級序列（即氨基酸序列）對于預測蛋白質(zhì)的功能至關(guān)重要，蛋白質(zhì)序列分析能夠識別功能基序和保守結(jié)構(gòu)域，而序列比對則能揭示出可能具有功能參考價值的同源蛋白質(zhì)。AlphaFold2的發(fā)展使得基于結(jié)構(gòu)（而非序列）同源性的聚類方法得以應用，從而能夠?qū)⒋罅靠赡芫哂邢嗨乒δ艿牡鞍踪|(zhì)進行分組。然而，這些方法無法對復雜且可能具有多種功能的蛋白質(zhì)進行全面評估。

因此，迫切需要高精度、定量的方法來高效表征蛋白質(zhì)的功能，以克服當前精度較低、定性的方法所帶來的障礙。

2025 年 8 月 18 日，中國農(nóng)業(yè)科學院深圳農(nóng)業(yè)基因組研究所左二偉團隊在Cell Research期刊發(fā)表了題為：AlphaCD: a machine learning model capable of highly accurate characterization for 21,335 cytidine deaminases 的研究論文。

該研究構(gòu)建了一個機器學習模型——AlphaCD，該模型在預測胞嘧啶脫氨酶（CD）的催化效率、脫靶活性、靶位點窗口和催化基序方面均表現(xiàn)出高精度，并利用預測結(jié)構(gòu)構(gòu)建了一個兼具超高保真度和高效率的胞嘧啶堿基編輯器（CBE）。

序列數(shù)據(jù)庫涵蓋范圍廣泛但支持性證據(jù)有限，這阻礙了具有特定功能蛋白質(zhì)的鑒定。在這項最新研究中，研究團隊在 HEK293T 細胞中實驗表征了 1100 個與 nCas9 融合的APOBEC 樣家族胞嘧啶脫氨酶（CD）的催化效率、靶位點窗口、基序偏好和脫靶活性，從而生成了迄今為止最大的單個蛋白家族的實驗驗證功能數(shù)據(jù)集。

基于這些數(shù)據(jù)，結(jié)合氨基酸序列、三維蛋白質(zhì)結(jié)構(gòu)和 8 個附加特征，研究團隊構(gòu)建了機器學習模型——AlphaCD。該模型在預測催化效率（0.92）、脫靶活性（0.84）、靶位點窗口（0.73）和催化基序（0.78）方面均表現(xiàn)出高精度。研究團隊將訓練后的模型應用于預測 Uniprot 數(shù)據(jù)庫中 21335 個胞嘧啶脫氨酶（CD）的上述催化特征，并對其中 28 個胞嘧啶脫氨酶進行子抽樣驗證，其預測精度分別為 0.84、0.87、0.75 和 0.73。

最后，研究團隊通過基于丙氨酸掃描的誘變技術(shù)對其中一個胞嘧啶脫氨酶 A0A2R2Z4E4 的脫靶位點進行優(yōu)化，構(gòu)建了 A0A2R2Z4E4E100A 變體，進而構(gòu)建了兼具超高保真度和高效率的胞嘧啶堿基編輯器（CBE）。該案例不僅證明了 AlphaCD 在高精度、高通量蛋白質(zhì)功能表征中的應用價值，還為其他蛋白質(zhì)的加速功能解析提供了策略范式。

論文鏈接：

https://www.nature.com/articles/s41422-025-01164-x