《Biomolecules》：Computational Intelligence Accelerates Protein Structure and Function Prediction and Modeling
编辑推荐：
计算智能正催化蛋白质科学中的范式转变，研究路径从基于序列的同源推断，经依赖模板的结构预测与数据驱动的机器学习，最终迈向可联合预测结构与功能的端到端基础模型（Foundation Model）。整体进程可划分为四个时代：第一时代（1960s–1990s）以相似序
计算智能正催化蛋白质科学中的范式转变，研究路径从基于序列的同源推断，经依赖模板的结构预测与数据驱动的机器学习，最终迈向可联合预测结构与功能的端到端基础模型（Foundation Model）。整体进程可划分为四个时代：第一时代（1960s–1990s）以相似序列暗示相似功能为假设，依赖序列比对与同源推断，借助Needleman-Wunsch与BLAST等工具，并从PIR与Swiss-Prot等数据库迁移功能注释，但受限于序列层面推理，难以处理结构功能相似而序列远缘的远程同源（remote homologs）。第二时代（1990s–2010s）转向“结构较序列更保守”的原则，以同源建模（homology modeling）与穿线法/折叠识别（threading/fold recognition）为主，从结构相似性推断功能，如活性位点与结合位点识别，并由CASP提供盲评基准；该阶段仍受限于已知模板缺失场景。第三时代（2010s–2020）深度学习（CNN、ResNet、GNN、LSTM）广泛用于从多序列比对（MSA）预测残基接触与距离图再转为三维结构，并扩展至突变效应、蛋白-配体结合与亚细胞定位；CASP13成为转折点，AlphaFold v1、RaptorX与trRosetta显著提升接触预测，但接触图到结构仍依赖传统优化。第四时代（2021至今）进入蛋白质语言模型（PLM）时代：AlphaFold2与RoseTTAFold等基于Transformer端到端由序列与MSA直接生成近实验精度结构；ESMFold进一步降低对MSA依赖；AlphaFold数据库开放超2亿预测结构。结构预测核心问题被视为基本解决，功能预测成为新前沿，涵盖蛋白-蛋白相互作用、突变效应、配体结合与酶注释，并兴起从头设计（de novo design）与多模态融合（multimodal fusion）。
研究背景与问题提出
蛋白质结构解析长期依赖湿实验手段，成本高且覆盖有限；早期序列同源迁移无法处理远程同源，模板依赖阶段难以预测无已知折叠的蛋白质，深度学习时代虽提升接触预测但端到端精度受限。随着AlphaFold2开启蛋白质语言模型（PLM，Protein Language Model）范式，结构预测精度接近实验水平，AlphaFold数据库已开放超过2亿条目，传统“缺结构”瓶颈基本缓解，领域重心转向功能预测与生物分子交互建模，但仍面临蛋白-蛋白相互作用（PPI）、突变效应、配体结合、酶动力学与从头设计等多任务挑战。
研究人员开展的综述与特刊组织工作
研究人员系统梳理了蛋白质计算四个时代演进，并围绕该范式组织特刊，收录五项原创研究：蛋白结合残基预测、环状芽孢杆菌（Bacillus circulans）壳聚糖酶热稳定性计算设计、抗体-抗原互作预测、水稻液泡型NHX1转运机制解析、人源酶周转数（kcat）预测框架，以此展示PLM与计算智能在结构-功能闭环中的应用。
主要关键技术方法
研究采用的关键方法包括：基于ProtT5等蛋白质语言模型（PLM）的残基级表示提取；多尺度特征融合结合注意力机制、卷积与双向门控循环单元（GRU）；双视图Mamba选择性状态空间建模；同源建模联合AlphaFold 3（AF3）进行跨膜蛋白结构构建；PROSS、FireProt 2.0与ABACUS等计算设计流程；条件变分自编码器（cVAE）进行嵌入空间数据增强；共识筛选与CNN-Transformer混合建模。样本方面涉及公开互作数据集（HIV、CoV-AbDab）、盐敏感酵母突变体队列及酶动力学稀缺数据场景，未依赖传统培养与质粒构建步骤。
研究结果
PMSFF
研究人员提出序列驱动的蛋白结合残基（PBR，Protein Binding Residue）预测框架PMSFF。该框架以ProtT5编码残基，采用多窗口注意力、多尺度CNN与双向GRU融合局部与长程上下文，在蛋白、核酸、配体及抗体-抗原多类基准上F1与AUPRC优于既往方法且推理更快；局限是缺少互作对象特异性信息。
BcChiA1热稳定性改造
针对Bacillus circulans壳寡糖（CHO，Chitin Oligosaccharide）生产用壳聚糖酶A1（BcChiA1）热稳定性差的问题，研究人员用PROSS、FireProt 2.0与ABACUS识别有益突变，组合为五突变体Mu5（S67G/K177R/A220V/N257Y/N271E）。Mu5在60℃下半衰期由5 min提升至295 min（约59倍），熔融温度提高10℃，90 min内底物转化达97%，可重复使用五轮；分子动力学显示结构刚性与致密性增强是其热稳定机制。
MambaAAI
面向抗体-抗原互作（Antibody-Antigen Interaction）长序列负担，研究人员构建仿生模型MambaAAI：用ESM-2提取残基表示，构建互作矩阵，双视图Mamba编码器分别从抗体与抗原视角捕获结合模式。在HIV与CoV-AbDab数据上准确率略优于基线，可识别表位与互补位，并支持抗体突变体筛选。
OsNHX1结构机制
水稻液泡Na+/K+逆向转运体OsNHX1因缺晶体结构机制不清。研究人员通过同源建模与AlphaFold 3构建十三跨膜段“漏斗”折叠模型，结合位点定向突变在盐敏感酵母中鉴定关键带电与结构残基；孔区呈现类似NHE1的跨膜电荷补偿特征，突变E81Q、E313Q与D323N可增强Na+/K+转运，为耐盐水稻工程提供方向。
AUKAT
针对酶动力学kcat数据稀缺，研究人员提出AUKAT框架：条件变分自编码器在嵌入空间生成合成样本，共识筛选保留可靠实例，再用底物、EC编号与物种嵌入训练CNN-Transformer混合模型。其优于随机森林、在标准基准媲美DLKcat且对未见底物/酶/物种泛化更好；人源专用变体进一步提升人酶预测。
讨论与结论翻译
讨论指出，结构导向PLM（AlphaFold2/3、RoseTTAFold、ESMFold、OpenFold3）已实现近实验精度与全原子复合体建模；功能导向PLM（PROTGOAT、GOBeacon、ProtGO、DeepMTC、FAPM）借助PLM嵌入、结构特征与多模态信息预测GO项、酶功能与突变效应。领域正从模板依赖、单任务方法转向基础模型驱动的通用电学预测；蛋白设计、多模态融合与交互定量化为下一前沿。
结论（翻译）：计算智能已将蛋白质研究推进至蛋白质语言模型时代；结构预测“缺数据”问题大体解决，功能预测成为核心前沿。特刊中PMSFF、BcChiA1设计、MambaAAI、OsNHX1与AUKAT五项工作共同表明，序列表示学习、端到端结构模型与计算设计可闭环支撑结合残基、稳定性、互作、转运与酶动力学研究，为蛋白工程与合成生物学提供可扩展新范式。
