通过高通量SAXS和数据驱动机器学习揭示离子液体中的蛋白质结晶

《Journal of Colloid and Interface Science》：Unraveling protein crystallization in ionic liquids via high-throughput SAXS and data-driven machine learning

　　

离子液体（ILs）可以调节蛋白质相行为，包括结晶和聚集。然而，结晶结果通常难以预测，因为成核是随机的且受特定离子效应强烈影响。在此，研究人员使用多模式小角X射线散射（SAXS）策略，结合高通量96孔板筛选、原位毛细管热处理和时间分辨动力学监测，研究了溶菌酶在乙基硝酸铵（EAN）中的结晶途径。为了解决这些软物质样品中的批次间变异性，研究人员实施了一个标准化工作流程，用于提取互补的SAXS描述符，包括低q散射演化的固定窗口伪R_g描述符和基于布拉格特征强度的结晶度指数。SAXS数据与两步成核样途径一致，其中EAN诱导的缔合先于长程晶体有序的出现，而热处理破坏了亚稳态聚集体，但未恢复简单的天然单体状态。机器学习模型被用作测量的溶菌酶-EAN组成网格的系统内插值和筛选优先级工具。线性模型未能再现非线性趋势，而集成方法再现了测量结晶区域的主要特征。特征重要性分析确定EAN浓度是主要控制变量（约70%贡献）。总之，这些结果为绘制溶菌酶-EAN系统中组成依赖的结晶行为提供了一个基于SAXS的描述符提取和数据分析工作流程。

**论文解读：基于高通量SAXS与机器学习的离子液体中蛋白质结晶机制研究**

**研究背景与问题**

蛋白质结晶是结构生物学中的关键瓶颈，传统经验筛选效率有限，主要原因在于对溶液条件如何引导蛋白质通过竞争性途径（如成核、无定形聚集、液-液相分离）的理解不足。经典成核理论认为有序晶核直接从单体溶液中克服自由能势垒形成，但越来越多的证据支持两步成核机制，即密度涨落首先形成亚稳态蛋白质富集液滴，再进一步结构有序化为晶格。然而，原位捕捉这些瞬态纳米级前驱体在实验上极为困难。离子液体（ILs）作为一种新型有机盐溶剂，可提供与传统缓冲液截然不同的溶剂环境，其中乙基硝酸铵（EAN）等质子型ILs通过弱库仑相互作用、氢键网络和可调疏水效应，能在宽浓度范围内连续调控蛋白质-溶剂相互作用，而不立即引起变性。尽管已有研究表明EAN可促进超饱和和蛋白质聚集体形成，但离子诱导缔合与后续成核途径之间的结构机制仍停留在定性层面，缺乏对诱导期内寡聚体动态演化的定量理解。小角X射线散射（SAXS）能够同时表征粒子大小和有序结构的出现，但在离子液体环境中，高溶剂电子密度和强粒子间相互作用常扭曲标准Guinier近似，需要开发稳健的分析管道。此外，机器学习方法已开始与SAXS结合用于蛋白质聚集分析，但数据噪声、非理想环境下的特异性离子效应仍限制其泛化能力。因此，本研究旨在通过整合高通量SAXS测量与定量特征提取框架，系统解析溶菌酶在EAN水溶液中的结晶途径，并提供可复现的数据分析工作流程。

**研究方法**

研究人员采用三种互补的SAXS测量模式：高通量96孔板筛选（室温下采集）以覆盖广泛的组成空间；原位毛细管热台实验（Linkam控温）用于精确研究温度效应；时间分辨动力学监测（25°C，5–22分钟）追踪早期结构演化。所有测量在澳大利亚同步辐射中心的SAXS/WAXS光束线完成（波长1.033 ?，探测器距离2.4 m，q范围0.01–0.5 ?^-1）。为消除批次间变异，研究人员开发了自动化分析管道，提取三类互补描述符：固定窗口伪R_g（作为低q散射演化的比较性指标，而非绝对尺寸）；结晶度指数（CI，基于布拉格峰强度量化长程有序）；以及基于OLIGOMER（ATSAS包）的寡聚体成分分析（使用单体/四聚体/六聚体/八聚体基集）。机器学习模型（Scikit-learn和XGBoost）在96个经筛选的SAXS测量样品上训练，输入变量仅为EAN浓度和溶菌酶浓度，通过5折交叉验证比较八种模型类别的性能，并使用SHAP分析评估特征重要性。

**研究结果**

**3.1 浓度依赖的蛋白质相行为（EAN-水体系）**
通过SAXS模式识别出三个不同区域：可溶蛋白、离子诱导聚集和晶体有序。低EAN/低蛋白浓度下伪R_g最小（<16 ?），对应单体溶菌酶；中等EAN浓度（1–10 mol%）和蛋白浓度（25–37.5 mg/mL）下伪R_g升至约23 ?，表明缔合/聚集增加；高EAN（10–93 mol%）下伪R_g维持在14–20 ?，反映离子浓缩条件下低q散射的变化。在0.3–6.7 mol% EAN范围内观察到布拉格峰，结合CI值绘制了相图，显示结晶窗口位于中等EAN浓度区域，而高EAN区域重新进入可溶状态，可能与欠屏蔽或溶剂化介导的排斥有关。批次间变异实验证明，由于样品准备延时、环境波动等因素，同一组成下伪R_g存在差异，强调了建立扩展数据集和标准化分析流程的必要性。

**3.2 温度依赖的相行为（EAN-水体系）**
原位毛细管实验（25 mg/mL溶菌酶，缓冲液或1 mol% EAN）显示，缓冲液中伪R_g从25°C到60°C保持在8–9 ?（因强静电排斥导致结构因子效应），随温度升高至70°C逐渐接近单体理论值（~16 ?）；而1 mol% EAN体系中，初始高伪R_g（27.4 ?）随加热下降，表明晶体和亚稳态聚集体的热解离，但在85–90°C再次上升，对应不可逆热诱导聚集。冷却至25°C后，伪R_g仍处于25.7–27.8 ?，表明加热并未恢复简单单体状态。96孔板实验（24小时孵育后加热）进一步证实，热处理破坏了亚稳态簇状/晶体状态，但冷却后仍保持较高的伪R_g值，呈现非天然的低聚集分布。

**3.3 时间分辨SAXS**
**3.3.1 从成核前中间体到晶相的演化**
20 mg/mL溶菌酶在1 mol% EAN中，前10分钟SAXS轮廓保持平滑但低q强度逐渐增加，伪R_g从缓冲对照值升至约18 ?；约20分钟时伪R_g接近20 ?，仍无布拉格反射，表明处于预布拉格缔合阶段；随后出现清晰布拉格峰，伪R_g增至约28 ?，标志着从预布拉格中间体到可检测晶体有序的转变，符合两步成核样途径。

**3.3.2 布拉格峰分析揭示的晶体特征与堆积趋势**
EAN中形成的晶体与单斜晶系溶菌酶一致，Scherrer分析给出晶域尺寸下界约280–300 nm。主峰位置在生长过程中基本不变（d间距恒定），但CI随布拉格峰强度增加而增大，表明蛋白质不断被招募到晶域中。

**3.3.3 两步成核样途径与寡聚体群体动态**
OLIGOMER分析显示，在预布拉格第一阶段（5–22分钟），单体分数从95%降至88%，高阶组分从5%增至12%，支持群体向缔合物种的转变。在含布拉格峰的第二阶段，单体分数进一步下降，八聚体组分急剧增加，但该阶段OLIGOMER分数仅具定性意义，因为有限基集无法代表大尺度有序域。综合时间分辨SAXS轮廓、布拉格峰出现、CI增加和OLIGOMER趋势，结果与两步成核样途径一致。

**3.4 用于SAXS描述符插值和筛选优先级的机器学习框架**
**3.4.1 目的与范围**
机器学习分析旨在确定两个实验控制变量（EAN浓度和溶菌酶浓度）能否在测量组成网格内再现主要SAXS导出趋势，并提供伪R_g和CI的系统内插值以及基于CI>0.1二元标签的筛选优先级。

**3.4.2 SAXS导出描述符的系统内插值**
比较八种模型，线性模型（R²≈0.19）无法捕捉非线性趋势，而树集成模型表现更好。随机森林回归器提供最强的伪R_g插值性能（5折交叉验证R²=0.831），并再现了主要CI趋势。基于优化模型生成的插值相图清晰描绘了中等EAN浓度范围内的结晶窗口。SHAP分析显示EAN浓度贡献约70%特征重要性，蛋白浓度贡献约30%。

**3.4.3 用于实验筛选优先级的分类**
随机森林分类器在二元分类任务（CI>0.1为晶体）中表现最佳，ROC-AUC=0.957，准确率=0.909，F1=0.909。偏振光显微镜定性支持了SAXS/ML定义的结晶窗口。

**讨论与结论**

本研究通过整合高通量筛选、时间分辨和原位热SAXS，系统考察了溶菌酶在乙基硝酸铵（EAN）中的结晶行为。SAXS数据揭示了非单调相行为，EAN浓度调节缔合、溶剂化和有序散射之间的平衡。高EAN区域的重新进入可溶状态与欠屏蔽或溶剂化介导的排斥一致，但未直接测量屏蔽长度。热实验表明加热破坏亚稳态簇和晶体散射，但冷却后伪R_g升高表明不可逆结构变化，而非恢复单体状态。本工作解决了软物质环境中蛋白质结晶的随机性和批次间变异问题，通过标准化描述符提取工作流程区分了预布拉格缔合、无定形聚集和可检测晶体有序。机器学习集成模型有效重建了测量组成空间，EAN浓度被识别为主导控制变量。研究结论为：基于SAXS的描述符提取、整理和可视化工作流程可用于在复杂离子介质中优先筛选结晶条件，但训练模型仅作为系统内插值和筛选优先级工具，而非可转移预测器。论文发表在《Journal of Colloid and Interface Science》。