基于结构聚类探索植物蛋白功能：解锁序列与功能间的密码

随着新植物蛋白序列激增，远超实验功能表征进度，基于序列同源性预测蛋白功能在低序列相似蛋白上表现不佳。研究人员利用 AlphaFold 等 AI 程序精准预测蛋白结构，基于结构特征相似性聚类蛋白，这有助于发现进化关系和新蛋白家族，对探索植物蛋白功能意义重大。

　　新植物蛋白序列的激增速度远远超过了传统的功能表征和注释工作。像 AlphaFold 这样的人工智能（AI）程序能够快速且高度准确地预测几乎所有蛋白质的结构。基于蛋白质结构特征的相似性进行聚类，已成为蛋白质功能注释和发现的有力工具。基于结构的聚类可以揭示遥远的进化关系，还能识别出传统基于序列的方法所遗漏的新蛋白质家族。基于结构的蛋白质聚类所蕴含的未开发潜力，可用于创新蛋白质设计以及在植物中的各种生物技术应用。新植物蛋白序列的激增远远超过了实验功能表征的速度。基于序列同源性预测蛋白质功能，在处理序列相似性较低的蛋白质时往往效果不佳。人工智能（AI）程序，如 AlphaFold，以惊人的准确性改变了计算蛋白质结构预测。利用几乎所有蛋白质序列的预测结构，基于结构特征的相似性对蛋白质进行聚类，已成为功能注释和发现的有力工具。基于结构的蛋白质聚类能够识别遥远的进化关系和新的蛋白质家族，为探索植物蛋白质功能提供了一种有效的策略，弥合了序列数据和功能注释之间的差距，同时也有助于蛋白质设计。