摘要
蛋白质工程经常结合多种突变，但预测这些组合如何影响稳定性仍然是一项根本性挑战。双突变效应往往偏离其各个单突变贡献之和，这一现象被称为突变量交互或非线性叠加。预见这一点至关重要，因为候选突变对的数量呈组合式增长，而每一对非线性叠加的突变对都可能增强或抵消预期的设计效果。尽管该领域兴趣日益增长，但目前预测突变量交互的方法仍然有限，系统地识别哪些突变对将表现出非线性叠加行为仍是一个悬而未决的问题。在此，我们提出了一种动态残基接触网络最大团模型（DynRCNC），以捕捉非线性叠加的突变对。DynRCNC通过分子动力学（MD）模拟提供了具有残基-残基动态耦合的蛋白质天然网络，并构建了一个包含六个判据的三级预测层次结构。该模型应用于来自七种蛋白质的265对双突变，在留一蛋白交叉验证（LOPOCV）的全基准测试中取得了0.422的加权马修斯相关系数。与在相同结构和动态特征上训练的随机森林、梯度提升和逻辑回归模型相比，DynRCNC在不同蛋白质间的迁移性能更优。DynRCNC无需目标蛋白质的训练数据，并报告每次预测背后的判据，从而为优先选择候选突变对提供了一条可解释的、机理驱动的路径。
图形摘要
利益冲突
作者声明不存在利益冲突。
数据可用性声明
包含265对双突变的基准数据集是根据公开可用的ThermoMutDB数据库和本文引用的原始文献汇编而成的。基准数据集、RING接触文件、残基级动态互相关矩阵以及完整的分析代码（包括规则实现、虚拟边网格、机器学习基线模型以及用于生成所有图表的全部脚本）已存放于 https://github.com/mnaveedk232/dynrcnc。表 6 和第 3.6 节中使用的DynRCNC、FoldX、Rosetta cartesian_ddg和DDGun3D的逐对预测结果作为支持数据文件 S1–S3 提供。
