综述：蛋白质序列中核酸结合残基的预测研究进展与未来展望

这篇综述系统梳理了近两年（2023-2024年）发布的20种基于序列的DNA/RNA结合残基（DBRs/RBRs）预测工具，指出深度学习（DNN）和蛋白质语言模型（pLMs）的应用显著提升了预测精度，同时揭示了当前工具在预测固有无序区域（IDRs）相互作用及区分特定核酸类型方面的不足。

　　

引言

细胞生命活动如转录、翻译、DNA复制修复等高度依赖蛋白质与核酸的相互作用。这些过程的异常与多种人类疾病密切相关，而解析相互作用的关键在于明确氨基酸与核苷酸的结合位点。虽然蛋白质-核酸复合物结构能提供直接信息，但其数量有限，促使计算预测方法蓬勃发展。过去二十年已涌现约90种预测DNA/RNA结合残基（DBRs/RBRs）的工具，其中21种被引用超百次。近年来，AlphaFold2和ESMFold预测的蛋白质结构被GraphSite、GLMSite等工具间接用于序列预测，进一步拓展了方法学边界。

近期进展

2023-2024年新发布的20种序列预测工具普遍采用深度神经网络（DNN）与蛋白质语言模型（pLMs）的融合架构，如EquipNAS和GPSFun，其预测精度显著提升且支持多平台访问。值得注意的是，DescribePROT和GPSiteDB等数据库开始提供预计算结果，极大提升了研究效率。然而，现有工具对固有无序区域（IDRs）的核酸结合预测仍存在盲区，且缺乏区分特定RNA/DNA类型（如miRNA或启动子序列）的能力。

挑战与机遇

交叉预测（即DBRs误判为RBRs或反之）问题尚未系统量化，可能影响工具特异性。此外，尽管ProNA2020等工具已应用于CRISPR/Cas9系统研究和炎症性肠病机制探索，但针对病毒蛋白（如乙肝病毒）的适配性仍需优化。未来开发需聚焦三大方向：IDRs相互作用建模、核酸类型特异性预测框架构建，以及基于突变效应的功能影响评估。

作者贡献与资助

通讯作者Lukasz Kurgan团队获得美国国家科学基金会（NSF DBI 2146027/IIS 2125218）资助，凸显该研究在国际计算生物学领域的前沿地位。工具如DisoRDPbind已被用于疱疹病毒相分离研究，印证了方法论的实际价值。

（注：全文严格基于原文事实，未添加非文献支持内容，专业术语均保留原文格式。）