基于递归树深度学习的多突变蛋白高阶变体功能效应预测模型MMRT研究

本研究针对高阶蛋白变体功能效应预测难题，开发了整合低阶变体信息的递归树深度学习模型MMRT。通过分析685,593个高阶变体数据，模型平均Spearman相关系数达0.55，显著优于ESM、DeepSequence和ECNet等现有方法，为复杂疾病机制解析和蛋白质工程提供了创新工具。

　　

在生命科学领域，蛋白质序列变异对其功能和稳定性的影响一直是研究热点。随着高通量实验技术的发展，单突变、双突变和三突变等低阶变体已得到广泛研究，但涉及三个以上位点同时突变的高阶变体研究却进展缓慢。这主要因为高阶变体组合数量呈指数级增长，实验方法难以全面覆盖。然而，高阶变体在病毒进化（如SARS-CoV-2刺突蛋白变异）、癌症发生和蛋白质工程中扮演关键角色，亟需开发高效预测方法。

针对这一挑战，研究人员开发了名为多突变递归树（MultiMut Recursive Tree, MMRT）的新型深度学习模型。该研究发表在《Computational and Structural Biotechnology Journal》上，通过整合进化尺度建模（ESM）生成的蛋白质表示向量和递归神经网络架构，创新性地利用低阶变体信息预测高阶变体功能效应。

关键技术方法包括：1）使用ESM_r（esm1v_t33_650M_UR90S_1）生成1280维蛋白质位点特征向量；2）构建递归树结构逐步整合多突变位点信息；3）采用窗口扩展策略（MMRT-WIN）增强上下文特征捕捉；4）基于11个蛋白质的685,593个变体数据集进行模型训练和验证。

研究结果部分显示：
3.1 盲测模型性能
MMRT-TR23-WIN模型在30个数据集中21个优于ESM2，平均Spearman相关系数提升0.27。对HIS7(4)变体的预测相关系数达0.62，显著高于ESM1（0.31）和ESM2（0.34）。

3.2 不同MMRT模型比较
训练包含三重变体的模型（MMRT-TR123-WIN）性能最优，证实三重变体对捕捉上位效应至关重要。单突变训练模型预测能力有限，如ECNet-TR1对HIS7(10+)变体预测相关系数仅0.1。

3.3 小样本微调模型
使用10%高阶变体微调的MMRT模型性能显著提升，如PHOT(6)变体预测相关系数达0.94，较基础模型提高0.32。

讨论部分指出，MMRT的创新性在于：1）首次实现从低阶到高阶变体的功能效应外推；2）递归树结构有效捕捉多突变协同效应；3）窗口策略增强局部环境特征提取。该模型为研究复杂疾病（如多突变驱动的癌症）和病毒进化提供了新工具，同时大幅降低了实验筛查成本。

局限性包括：1）当前为蛋白质特异性模型；2）组合策略有待优化；3）MAVE数据可靠性可能影响预测。随着更多高阶变体数据的积累，MMRT有望发展为通用型预测平台。这项研究标志着蛋白质变体预测从低阶向高阶的重要跨越，为精准医学和合成生物学发展提供了新思路。