深度学习引导下大肠杆菌信号肽的理性诱变与功能稳健性解析

本刊推荐：本研究通过深度学习模型（SignalP 6.0）系统解析大肠杆菌信号肽（SP）的突变耐受性，发现疏水区（H-region）的高突变容忍特性，并成功开发功能稳健型突变体SP_r1，显著提升人碳酸酐酶（hCAII）的分泌效率，为重组蛋白生产的理性设计提供新范式。

　　

^{Section snippets}

^{Signal peptide database and mutagenesis using BERT}

SignalP 6.0（一种基于深度学习的真核和原核生物信号肽预测模型）被用于构建数据库。该模型架构基于ProtTrans中源自BERT（双向编码器表示转换器）的蛋白质语言模型，可将输入氨基酸序列编码为上下文向量表示。此架构能捕获双向序列信息，实现更全面的信号肽特征分析。

^{Workflow of signal peptide database collection}

图1展示了本研究中构建的信号肽（SP）数据库的综合流程和关键特征。图1A示意性呈现了信号肽的典型结构：SP通常由三个功能模块组成——N区域、H区域和C区域。N区域通常由带正电荷的氨基酸组成，负责将肽靶向分泌途径；H区域以疏水序列为特征，作为跨膜转运的核心驱动单元；C区域包含信号肽酶识别切割位点，具有极性特征。通过系统分析438个信号肽序列，研究发现H区域存在极高的突变容忍度。在7个高突变耐受信号肽中，源自YjdP蛋白的SP22_54表现出卓越的稳健性，在经历大量突变后仍能保持功能。进一步分析揭示，功能性SP突变体始终保留疏水氨基酸含量并维持最小电荷特性。

^Conclusion

SP_r1的功能实验为理性设计的突变型信号肽有效性提供了有力证据。SP_r1介导酶蛋白分泌的能力突显了其在蛋白质工程、分泌优化和生物技术生产中的实际应用价值。该策略可推广至其他信号肽的工程化改造，从而提升重组蛋白在不同表达系统中的分泌性能。尽管目前尚未建立普适性设计规则，但本研究提出的深度学习辅助策略为开发下一代高效分泌系统奠定了重要基础。