编辑推荐：
比较基因组学传统上依赖基于序列的标记，然而蛋白质架构的全局演化图景仍鲜少被系统解析。研究人员提出真核生物结构史（Structural History of Eukarya，SHE），一种由结构相似性推导的系统发育框架：通过对1542个真核物种在蛋白质组水平进行
比较基因组学传统上依赖基于序列的标记，然而蛋白质架构的全局演化图景仍鲜少被系统解析。研究人员提出真核生物结构史（Structural History of Eukarya，SHE），一种由结构相似性推导的系统发育框架：通过对1542个真核物种在蛋白质组水平进行全对全（all-vs-all）结构比较，涵盖近300万亿（2.96×101?）对蛋白质比对。该蛋白质组尺度分析揭示真核演化的二分模型：由细胞骨架架构主导的刚性严格核心（Strict Core），支撑以翻译机器为中心的更具可塑性的操作引擎（Operational Engine）。研究人员识别出鸟类与蚂蚁等谱系中结构演化加速现象，且该加速与蛋白质组规模扩张解耦。进一步表明，蛋白质组广度的结构保真度可支持未表征蛋白的功能注释，并为模型生物选择提供数据驱动框架，以定量匹配人类生物学过程，替代启发式经验选择。SHE以交互式门户形式开放获取。
研究背景与问题提出
传统生命之树重建长期依赖少数高度保守分子标记，如核糖体RNA（rRNA）。该类方法在近距离物种中可信度高，但随着分化时间增加，异速性（heterotachy）与序列饱和使深层关系推断失稳，且遗漏了广阔基因组中承载的演化信息，也削弱了基于系统基因组的基因功能注释可靠性。蛋白质三维结构因折叠约束更强，其结构核心演化速率显著慢于一级序列，是解析深时分裂的更稳健指标；但大规模结构系统发育过去受限于实验结构稀缺与结构比对计算成本。AlphaFold2与AlphaFold蛋白结构数据库（AFDB）提供了亿级预测结构，Foldseek将三维几何转为3Di序列字母表，Foldcomp解决存储检索瓶颈，使蛋白质组尺度结构比对可行。在此背景下，研究人员开展真核全蛋白质组结构史构建。
主要技术与样本队列
研究人员从UniProt筛选完整真核参考蛋白质组，保留BUSCO缺失≤20%且AFDB覆盖率≥25%的1542个物种（中位基因保留约96%）。从AFDB uniprot_v4取预测结构，用Foldcomp压缩建库；以Foldseek做全对全结构搜索（E-value<0.01），取每蛋白最优命中bit score；聚合为蛋白质组相似度与距离矩阵，以邻接法（neighbor-joining，NJ）构建系统树并万次bootstrap。用MCL聚类结构同源家族，用超几何检验与FDR校正做GO富集，定义R_proteome=PD(i,i+1)/PD(i?1,i)量化谱系结构演化速率，并构建SHE交互式平台。
研究结果
真核蛋白质组的结构相似性
研究人员对1542个蛋白质组完成1,188,111次蛋白质组级比对，涉及24,333,776个唯一蛋白与2.96×101?次蛋白对对齐。以最高Foldseek结构bit score总和定义蛋白质组相似度，取倒数对数定义距离，NJ重建SHE树。结果：结构信号可恢复主要分类群，且预计算矩阵支持后续免重算查询。
结构演化中的蛋白集合
数据驱动模型生物选择：以人类Fanconi Anaemia（FA）通路为例，输入FANCD2、FANCI、FBXL12、CHK1、CUL1，跨候选物种累计bit score排名。结论：小鼠最高，蛙与线虫次之；果蝇与酵母骤降，印证FA通路在脊椎动物外缺失或高度分化。该框架把模型选择由启发式变为可量化网络级结构保守评分。
蛋白家族的结构演化
以bit score≥173、E-value<10??建同源家族（1,335,026个）。TUBB（微管蛋白B）全局分布；CXA（间隙连接）与PDLP（胞间连丝）功能类似但分属动物与植物，共享结构根。未表征蛋白A0CXH6（草履虫）聚入TUBB支，A0A6J5TNB5（杏）聚入PDLP相关支，提示可按结构集合推功能。
跨蛋白质组的演化速率
定义R_proteome，发现谱系间速率极度不均。后鞭毛生物（Opisthokonta）中鸟类（Aves）、灵长类、真骨鱼、蚁科出现加速；SAR与植物亦有极端外溢值（如胡萝卜）。速率与蛋白质组大小无显著相关（Spearman ρ=0.04），且与注释完整度、pLDDT无系统混淆，说明加速是真实生物信号。
蛋白质组数据量提升分辨率
子集实验显示：单家族（约7000蛋白）bootstrap支持仅29.6%；全量24.3M蛋白达77.4%。证明蛋白质组广度聚合显著提升拓扑统计强度。
真核蛋白质组的核心
Strict Core（≥99%物种保有）富集细胞骨架（fold enrichment=92）与微管过程（57），Actin、Tubulin、Histone H3、HSP70结构近乎叠加守恒；放宽至85–95%阈值后，翻译机器（核糖体）主导，形成“刚性结构支架+可塑操作引擎”的二分组织原则。
注释缺失对系统发育分辨率的限制
灵长类基准中，人与小鼠因注释完整度>98%被错误拉近，黑猩猩因注释约94%偏远。裁剪到人类与倭黑猩猩共有15,186个命中后，人正确归入手足类。说明累积bit score受缺失数据惩罚，需完整性感知解释。
SHE平台
提供1542物种树实时浏览、通路级模型生物排序、家族子树修剪与结构同源可视化，开放bit score矩阵、Foldcomp库与Newick下载。
讨论与结论翻译
研究人员讨论指出：SHE以Foldseek+AFDB突破规模瓶颈，证明蛋白质组尺度结构聚合可超越单标记。R_proteome揭示谱系特异加速（尤其Aves）。核心呈二分：Strict Core偏架构与分子伴侣，Operational Engine偏翻译装置，反映不同生物物理与选择约束而非单一线性进化模型。模型生物选择可定量化。注释完整性会影响局部拓扑，但不调整完整性的全局树反而与已知系统发育更一致。NJ在尺度上稳定，未来可接最大似然或贝叶斯结构模型。结论如下：蛋白质折叠稳定性提供深时信号，全蛋白质组整合保障统计支持；结构相似性揭示真核生命从LECA架构到现代疾病机制的演化历史，SHE为社区提供可扩展基础平台。
论文解读与评审要点已经形成，接下来可以选择一个方向继续深化：
撰写该论文的学术评审意见与改进建议 提炼SHE方法可复用的技术分析框架 撰写该论文的学术评审意见与改进建议 提炼SHE方法可复用的技术分析框架
