深度学习结合单点突变深度扫描数据提升蛋白质结构解析精度

本研究针对AlphaFold2在预测动态蛋白、突变效应及孤儿蛋白等复杂体系时的局限性，创新性地开发了DMS-Fold算法。该研究通过整合深度突变扫描(DMS)数据中的残基埋藏信息，显著提升了蛋白质结构预测精度，在CASP14/CAMEO测试集中88%的靶标预测效果优于AlphaFold2，平均TM-Score提高0.08。这项发表于《Nature Communications》的工作为融合实验数据与深度学习提供了新范式，对解决目前蛋白质结构预测的瓶颈问题具有重要意义。

　　

蛋白质结构预测领域近年来因AlphaFold2的出现发生了革命性变革，然而对于动态构象、突变效应等复杂场景的预测仍存在明显局限。特别是当蛋白质缺乏同源序列信息时，单纯依赖进化约束的预测方法往往表现不佳。这些瓶颈问题严重制约了结构生物学在药物设计、疾病机制研究等领域的应用潜力。

来自俄亥俄州立大学(Ohio State University)的Zachary C. Drake等研究人员在《Nature Communications》发表了一项突破性研究。他们巧妙地将深度突变扫描(DMS)获得的实验数据与深度学习相结合，开发出新型算法DMS-Fold。该研究证实，通过分析单点突变对蛋白质热力学稳定性(ΔΔG)的影响，可准确推断残基埋藏程度，进而指导神经网络更精确地构建三维结构。

研究团队主要运用了三大关键技术：1) 基于175个蛋白质的深度突变扫描大数据集，建立突变稳定性与残基埋藏度的定量关系；2) 开发残基埋藏分数(Burial Score)算法，将ΔΔG数据转化为结构约束；3) 在OpenFold框架中嵌入埋藏信息，构建可训练的DMS-Fold神经网络模型。所有预测均采用TM-Score进行严格评估，并通过25次随机种子实验确保结果可靠性。

提取DMS中的埋藏信息
研究人员发现，将疏水残基突变为带电/极性残基时，ΔΔG与残基埋藏度呈现最强相关性。通过整合原子深度(atomic depth)和邻近计数(neighbor count)两种埋藏度量指标，建立了加权平均的"埋藏程度"(burial extent)参数。这一发现为从DMS数据中提取结构信息奠定了理论基础。

DMS-Fold网络架构

研究团队在OpenFold框架中创新性地加入了DMS嵌入层(DMSEmbedder)，将计算得到的埋藏分数编码为9级整数后嵌入到pair表示的对角线位置。这种设计既保留了原始MSA信息，又通过循环嵌入机制强化了埋藏约束对结构预测的指导作用。

预测性能验证
在710个CASP14/CAMEO测试蛋白上，DMS-Fold相比AlphaFold2展现出显著优势：89%的靶标预测更准确，平均TM-Score提升0.08。特别是在MSA信息有限(Neff=1)时，错误折叠(TM-Score<0.5)的预测数量从578个锐减至225个。图3展示了五个TM-Score提升>0.5的典型案例，其中DMS-Fold准确预测了AlphaFold2未能解析的β折叠等二级结构。

实验数据验证
使用真实DMS数据对175个蛋白质的预测结果更为惊人：85%的案例优于AlphaFold2，平均TM-Score提升达0.17。图4中，在Neff=1的极端条件下，DMS-Fold仅产生11个错误折叠预测，而AlphaFold2高达92个。这证实实验数据指导的结构预测具有显著优势。

残埋藏分数指导机制
以脑心肌炎病毒2A蛋白(PDB ID: 7BNY)为例的案例分析生动展示了埋藏分数的指导作用。AlphaFold2预测的松散α螺旋结构(接触序=3.6)未能正确埋藏疏水残基，而DMS-Fold则准确预测出含7个反平行β折叠的RNA结合结构域(接触序=16.0)。当人为将所有残基埋藏分数设为零时，DMS-Fold又回归到α螺旋为主的错误预测，充分证明算法确实"理解"了埋藏约束。

这项研究的重要意义在于：首次证明单点突变DMS数据可显著提升深度学习结构预测精度；开发出可解释性强的埋藏分数算法；为融合高通量实验数据与AI预测建立了新范式。DMS-Fold已开源发布，其技术路线也为解决蛋白质结构预测的其他瓶颈问题(如多构象体系、突变效应预测等)提供了重要参考。随着更多实验数据的积累，这种混合方法有望实现"近乎任何蛋白质体系"的精准预测，推动结构生物学研究进入新阶段。