基于共进化信号的无监督蛋白互作预测：面向物种特异性互作组与功能群落解析的 ContextMirror2.0 框架

《PLOS Computational Biology》：Sequence-based coevolutionary prediction of species-specific interactomes

　　

演化上保守的蛋白质-蛋白质相互作用（protein-protein interactions，PPIs）可揭示基础生物学过程，但仅依据此类相互作用预测蛋白质功能会遗漏生物系统的完整图景。计算性 PPI 预测方法常受限于数据库中功能注释不足，难以理解独特生物系统。本研究提出 ContextMirror2.0（CM2.0），一种基于共进化的方法以弥补上述不足。共进化方法不同于有监督机器学习方法，不依赖标记数据集，在物种特异性 PPI 数据稀缺时具有价值。针对大肠杆菌（Escherichia coli）、肠炎沙门氏菌（Salmonella enterica）与金黄色葡萄球菌（Staphylococcus aureus），CM2.0 排名前 1000 的预测 PPI 中约 40% 得到实验 PPI 数据库支持。对所得功能群落的比较分析进一步揭示高度保守的互作模式与物种特异性互作。CM2.0 在系统发育层面利用共进化信息，探索蛋白质互作动态并理解物种特异性变异的功能后果，可为新功能涌现、特定环境适应及靶向治疗研究提供依据。

研究背景与问题提出

蛋白质-蛋白质相互作用（PPI，protein-protein interaction）是解析细胞机制、疾病通路与演化过程的核心。然而，绝大多数 PPI 仍属未知，尤其在非模式生物与注释不全的病原细菌中，物种特异性互作（species-specific interactions）几乎不可见。传统计算路径存在明显瓶颈：同源推断与结构对接依赖已知结构或注释；有监督机器学习（ML，machine learning）需要大量标记数据，难以外推至参考蛋白质组之外；深度学习与图神经网络虽提升性能，却面临极端类别不平衡（如 1:1000）与可解释性不足；网络方法在超大规模网络中召回率受限。共进化信号虽能提供无监督线索，但早期方法在通量、统计校正与群落解析上不够成熟。因此，研究人员亟需一种不依赖训练数据、可全蛋白质组规模运行、并能区分保守与物种特异性功能模块的计算框架。

研究人员开展的工作与总体结论

研究人员开发了 ContextMirror2.0（CM2.0），作为原 ContextMirror 框架的重设计实现：以系统发育背景下的共进化信号为核心，先通过正交同源（ortholog）检索与配对多序列比对（paired MSA，multiple sequence alignment）过滤缺乏演化信息的蛋白对，再量化两两系统发育树相似性、共进化轮廓相似性与第三方蛋白偏相关，输出 0–2 区间的交互得分（IntScore，interaction score）。在三个细菌蛋白质组（E. coli、S. enterica、S. aureus）中，Top-1000 预测约 40% 被实验数据库支持，较随机基线富集约 8.5 倍；在严格阈值下可识别保守复合体，也能发现物种特异性功能群落与未注释蛋白的潜在功能。该方法意义在于：为注释贫乏的病原体提供可解释、可优先验证的互作假设，并桥接演化生物学与靶向抗菌研究。

主要关键技术方法

研究以三种细菌参考蛋白质组为样本队列：Escherichia coli K12 MG1655、Salmonella enterica Typhimurium LT2、Staphylococcus aureus NCTC 8325。技术主干包括：基于 BLAST 互逆最优命中（RBH，reciprocal best hit）的正交同源集构建；仅保留共享物种数不低于阈值的蛋白对并生成配对 MSA；用 FastTree 快速推断系统发育树；MirrorTree 计算树-树相关性；共进化轮廓间 Pearson 相关并做 Bonferroni 校正；以偏相关评估第三方蛋白影响并构建 IntScore（含少第三方影响惩罚）；最后用 Louvain 社区发现对多物种 PPI 网络做功能群落划分，并以 AlphaFold Multimer 与 pDockQ2 做结构兼容性抽检。

研究结果

2.1 ContextMirror2.0 准确预测成对 PPI

通过共进化过滤与 IntScore 排序，研究发现 Top-1000 精度约 40%，随预测量增加精度下降但始终高于随机基线；IntScore 不受比对深度单独决定，且在控制匹配物种数或基因间距离后仍独立预测互作状态。与 RoseTTAFold2-PPI、D-Script 在选定复合体基准上比较，CM2.0 在通过过滤的候选空间内判别力更强（如 Nuo 基准 AUC 0.94）。

2.2 多物种 PPI 网络中的物种特异性功能群落

通过同源映射构建跨物种网络，研究人员发现革兰阴性与革兰阳性菌共享互作比例差异显著；高置信边更保守，物种特异性边多属未充分表征模块。Louvain 社区内精度略高于成对精度（如 E. coli 36.9% vs 34.8%），并识别出仅在一物种出现的电子传递黄蛋白、phn 基因群落等。

2.3 物种特异性功能群落示例

在组合网络中展示 phn 集群（E. coli 特有）、S. enterica 特有电子传递黄蛋白复合体，以及 yej 转运与 xyl 操纵子中的谱系功能分化，说明 CM2.0 能捕捉与生态压力、宿主互作相关的互作重构。

2.4 利用多物种网络推断未注释蛋白功能

以 mur、pur、acc+fab 等保守复合体为锚点，在 S. aureus 中把未注释节点接入已知通路：如推定 murG、accD 桥接节点，以及 fab 相关毒力与代谢候选蛋白，体现跨物种网络对孤儿蛋白功能标注的迁移能力。

讨论与结论翻译

讨论指出，CM2.0 不区分物理与功能互作，其定位是优先排序工具而非“非互作预测器”。共进化过滤在降低搜索空间的同时偏好保留真互作，但受限于可用演化信息深度；真阴性定义困难、真阳性依赖数据库完整性是固有偏差。框架在细菌中有效，真核生物因旁系同源扩张与水平基因转移会稀释信号。未来可结合图神经网络表征学习扩展至更多物种。

研究结论部分翻译如下：

CM2.0 是一种无监督共进化优先排序框架，利用演化信息在全蛋白质组尺度上排定具有生物学意义的蛋白互作。除成对预测外，所得互作网络可用于发现含未充分注释蛋白的保守簇，同时识别潜在具生物学意义的物种特异性互作与蛋白群落。因此，CM2.0 有助于孤儿蛋白标注，并在研究不足的生物中鉴别新复合体；其交互得分为直觉化置信指标，可引导后续实验与计算研究。

论文核心脉络已经梳理完成，接下来可以选择一个方向继续深化：

详细拆解CM2.0三步打分算法与公式

设计CM2.0结果实验验证方案

详细拆解CM2.0三步打分算法与公式

设计CM2.0结果实验验证方案