DivPro：基于结构恢复指导的多样化蛋白质序列设计新方法

本研究针对蛋白质设计中序列与结构关系的模糊性问题，开发了DivPro模型。该研究突破现有方法依赖单一序列恢复指标的局限，通过构建概率序列空间结合结构预测指导（如AlphaFold2和ESMFold验证），实现了在保持高结构恢复率（TM score/RMSD）的同时显著提升序列多样性（20%以上）。这项工作为理解蛋白质结构鲁棒性及药物设计提供了新工具。

　　

蛋白质设计领域长期面临一个根本性矛盾：相似的序列可能折叠成不同结构，而远源同源蛋白却能在低序列相似性下保持结构高度相似。这种序列-结构关系的模糊性严重制约了蛋白质设计效率，尤其在新酶设计和治疗性蛋白开发中。传统方法如ProteinMPNN和ESM-IF1过度依赖序列恢复指标，导致生成序列多样性不足且无法保证结构保守性。

香港中文大学计算机科学与工程系的研究团队开发了DivPro模型，创新性地将变分自编码器(VAE)框架引入蛋白质设计。该模型通过三阶段技术路线实现突破：1）构建k近邻图（k=48）表征蛋白质骨架结构，提取C_α/C_β原子距离特征；2）采用消息传递神经网络学习概率序列空间（μ/σ参数化）；3）引入trRosettaX-Single结构预测模型提供端到端可微的结构恢复指导（公式7-10）。研究在CATH 4.2、TS50和TS500数据集上的实验表明，DivPro生成序列的TM score比随机突变(BLOSMut)提高37%，同时保持相当的序列多样性（0.68 vs 0.71）。

关键技术包括：1）基于48近邻图的3层消息传递编码器；2）Gumbel-Softmax实现的离散序列采样；3）两阶段训练策略（先150轮序列恢复预训练，再20轮结构引导微调）；4）ESMFold和AlphaFold2双重验证体系。

结构恢复与序列多样性

在CATH 4.2测试集上，DivPro的TM score达0.82±0.11，显著优于BLOSMut的0.45±0.16。通过曼特尔检验发现，模型学习的特征空间距离与1-TM score显著相关（r=0.40, P<0.001），证明其能捕获结构相似性。

应用验证

在54个蛋白质复合物改造实验中，PPA-Pred2预测显示DivPro设计序列保持了野生型83%的结合亲和力（图7）。典型案例1OR4的序列恢复率虽仅30%，但AlphaFold2预测结构RMSD仅1.2?。

该研究首次实现了蛋白质设计中的"多样性-稳定性"平衡，其创新点在于：1）建立概率序列空间与结构恢复的显式关联；2）开发可微分结构指导的训练框架。局限性在于计算成本较高，未来可通过轻量化折叠模型优化。这项工作为理解蛋白质进化适应性提供了新视角，在药物候选分子扩展方面具有重要应用价值。