CD-CODE 2.0：融合病理生物学与宿主-病原相互作用的生物分子凝聚体知识库升级

《Nucleic Acids Research》：CD-CODE 2.0: an enhanced condensate knowledgebase integrating pathobiology, condensate modulating drugs, and host–pathogen interactions

本研究针对生物分子凝聚体研究数据分散、缺乏标准化整合的挑战，开发了CD-CODE 2.0知识库。团队通过扩展核酸组分注释、传染病相关凝聚体、小分子调控剂（c-mods）及疾病关联数据，构建了支持多维度检索的关系型数据库。该平台实现了与UniProt、PubChem等权威数据库的互联，为凝聚体生物学在药物重定位和机制研究中的应用提供了系统工具，显著提升了该领域的数据可及性与交叉研究效率。

　　

生物分子凝聚体（biomolecular condensates）作为无膜细胞器，通过液-液相分离（LLPS）动态调控细胞内的生化反应空间，近年来已成为解释生命现象与疾病机制的新范式。然而，随着研究文献的爆炸式增长，分散在不同数据库中的凝聚体组分、病理关联及调控分子信息严重限制了系统性挖掘与转化应用。例如，病原体感染中形成的“传染病凝聚体”（infectious condensates）如何劫持宿主因子？已上市药物是否隐含未被发现的凝聚体调控功能？这些问题亟需一个整合多维度数据的标准化平台。

为此，马克斯·普朗克分子细胞生物学与遗传学研究所的Ksenia Kuznetsova、Maxim Scheremetjew等学者在《Nucleic Acids Research》发表了CD-CODE 2.0知识库。该研究在初版基础上新增四大功能模块：核酸（RNA/DNA）组分注释、传染病凝聚体及其宿主-病原组分关联、凝聚体调控药物（c-mods）的机制分类，以及疾病相关的凝聚体异常（ condensatopathies ）。通过迁移至PostgreSQL关系型数据库并升级REST API，平台实现了与UniProt、PubChem、ChEMBL等10余个生物医学数据库的交叉引用，支持多字段检索与程序化访问，为凝聚体生物学与药物发现搭建了桥梁。

研究团队采用文献挖掘与人工校验相结合的数据构建方法。首先通过专有本体论关键词筛选PubMed文献，利用AI工具ScienceOS辅助提取信息，并由领域专家通过“凝聚体马拉松”（condensatathon）会议进行人工审核。针对传染病凝聚体，明确定义其宿主-病原组分归属，并区分纯病原组分与混合组分类型。对小分子c-mods采用摩根指纹（Morgan fingerprints）进行化学空间映射，同时依据表型机制分为溶解剂（dissolvers）、诱导剂（inducers）、定位剂（localizers）和形态调节剂（morphers）四类。所有数据均与疾病本体（Disease Ontology）标准化关联。

核酸组分拓展凝聚体组成维度

新增的核酸组分注释显示，在782个凝聚体中，RNA与DNA广泛参与其形成过程。例如，在生物分子凝聚体中，约30%同时包含蛋白质与核酸，凸显核酸在调控相分离中的核心作用。这一扩展为研究核酸靶向药物（如反义寡核苷酸）提供了数据基础。

传染病凝聚体揭示宿主-病原互作新机制

研究收录了29种传染病凝聚体，如鼠疱疹病毒1型感染细胞形成的“前复制区室”（pre-replication compartment）。分析发现，其中约40%的凝聚体包含宿主与病原体的混合组分（图1D），说明病原体通过劫持宿主凝聚体实现免疫逃逸。同一名称的凝聚体（如6种不同来源的“包涵体”）可通过宿主-病原物种信息精准区分，避免交叉混淆。

c-mods机制分类助力药物重定位

236个c-mods中，83%为小分子药物，其中23%是FDA已批准药物（如抗癌药多柔比星、抗疟药青蒿素）。通过t-SNE分析（图2E），这些化合物覆盖广阔的化学空间，提示其结构优化潜力。表型分类显示，应激颗粒（stress granules）是最常被靶向的凝聚体类型（图2B），且溶解剂占比最高（图2C），反映其在逆转病理凝聚体中的治疗价值。

凝聚体病关联多类疾病

102个凝聚体病中，传染病（31例）、神经疾病（26例）与癌症（26例）位列前三（图2H）。异常应激颗粒在多种疾病中频繁出现，例如在神经退行性疾病中其动态失调可导致蛋白聚集，这一发现为跨疾病机制研究提供了线索。

CD-CODE 2.0通过结构化整合多源数据，将分散的凝聚体知识转化为可挖掘的系统性资源。其关系型数据库架构支持AI工具开发，如已报道的PICNIC算法可预测蛋白的凝聚体形成倾向。平台未来可通过持续纳入单细胞测序、冷冻电镜等新技术数据，进一步推动凝聚体在精准医疗中的应用。该成果不仅是数据资源的升级，更标志着凝聚体生物学向定量化、跨尺度研究范式转变的关键一步。