通过隐式结构学习实现所有突变类型的蛋白质稳定性变化的统一预测器

《Chemical Science》：A unified predictor of protein stability changes across all mutation types via implicit structure learningOpen Access

　　

由氨基酸替换或插入缺失（indels，即插入/缺失）引起的蛋白质稳定性变化的预测对于蛋白质工程至关重要。虽然当前模型在单点替换方面表现出色，但由于简单的加性假设以及无法模拟骨架构象变化，它们在多点突变和插入缺失方面存在困难。为了解决这些局限性，研究人员引入了UniStab，一个用于预测所有突变类型稳定性变化的端到端框架。通过利用预训练折叠模型的隐式几何推理，UniStab有效捕获了非加性上位相互作用（epistatic interactions）和局部骨架重排，而无需显式结构生成的高昂成本。在一个综合基准测试中评估，UniStab展示了最先进的性能，尤其是在多点突变和插入缺失的挑战性场景中。除了预测准确性，UniStab还提供了可解释的结构洞察，并有效指导了稳定变体的设计，促进了其在理性蛋白质工程中的潜在应用。

**研究背景与问题**
蛋白质稳定性是维持蛋白质折叠结构以执行生物学功能的基础，也是设计稳健工业酶和下一代治疗药物的前提。突变效应通常以稳定性变化（ΔΔG）量化，但实验测量（如深度突变扫描）成本高且条件特异，覆盖序列空间极小。现有计算方法分为物理基础（如FoldX、Rosetta）和数据驱动（深度学习）两类。数据驱动方法中，序列模型仅依赖一级序列，结构模型则需固定骨架或显式生成突变体结构。然而，当前模型在单点替换上表现优异，却因简单加性假设（忽略上位相互作用）和无法模拟骨架构象变化，难以处理多点突变和插入缺失（indels）。此外，显式结构生成计算成本高，且多数方法缺乏可解释性。为此，研究人员开发了UniStab，一个统一框架，旨在端到端预测所有突变类型（单点、多点、插入缺失）的稳定性变化。该研究发表在《Chemical Science》。

**研究内容与结论**
UniStab通过预训练折叠模型（ESMFold）的隐式结构表示，结合低秩适应（Low-Rank Adaptation, LoRA）高效适配，无需显式生成突变体3D结构，即可捕获非加性上位效应和局部骨架重排。在MegaScale数据集（含470,995个高质量突变测量值，按25%序列同一性聚类划分训练/验证/测试集）和独立PTMUL基准上评估，UniStab在单点突变（斯皮尔曼等级相关系数SCC=0.67）、双点突变（SCC=0.60）和插入缺失（SCC=0.78）上均取得平衡且领先的性能，尤其对插入缺失和多点突变提升显著（相比现有方法分别提高19%和11%）。消融实验证实了结构模块、加权注意力池化和高容量LoRA的关键作用。特征距离分析表明，UniStab的隐式表示能反映突变诱导的局部结构扰动，且与独立预测模型（Chai-1）计算的局部RMSD正相关。注意力机制突出突变位点及其邻近残基的相互作用重连，提供了微观可解释性。结合光束搜索（Beam Search）优化，UniStab对蛋白谷氨酰胺酶（PG）设计了稳定变体（如L1M+A129C），经100 ns分子动力学模拟验证，变体显示出更低的RMSD、RMSF、更高的天然接触保持率和更紧凑的回转半径，证实了预测可靠性。

**主要关键技术方法**（不超过250字）
研究采用以下关键技术：①ESM2-3B语言模型提取残基级序列嵌入；②ESMFold折叠主干（trunk）的隐式结构表示，通过48个改进Evoformer模块联合更新序列和配对表示；③低秩适应（LoRA）仅微调折叠主干的选定线性层，冻结预训练参数；④结构感知融合模块（3块），通过多头注意力整合序列和配对特征；⑤可学习加权注意力池化，将残基级特征聚合为蛋白质级表示；⑥回归头（MLP）基于野生型与突变体池化表示的差值预测ΔΔG。样本来源：MegaScale数据集（cDNA display proteolysis高通量实验，776,000+测量值，经质量过滤后保留470,995个突变，按25%序列同一性聚类划分）；PTMUL数据集作为独立外部基准（含536个双突变和339个多突变样本）。

**研究结果**
**2.1 UniStab概述**：研究人员设计了UniStab架构，以野生型和突变体序列为输入，通过ESM2-3B编码、折叠主干隐式表示、结构模块和注意力池化，端到端预测ΔΔG，覆盖所有突变类型。
**2.2 基准数据集与比较评估**：采用MegaScale和PTMUL数据集，与ThermoMPNN-D、SPURS、MutateEverything、FoldX、Rosetta等方法比较，使用回归（SCC，PCC，RMSE，MAE）和分类（AUROC，AUPRC，F1，MCC）指标。
**2.3 UniStab在MegaScale测试集上取得强且平衡的性能**：插入缺失最佳（SCC=0.78，PCC=0.78），单点次之（SCC=0.67），双点较难（SCC=0.60）。分类性能受类别不平衡影响，但整体均衡。基于溶剂可及表面积（SASA）和Cα距离的分层分析表明，模型对表面残基和近距离突变捕获更好，对核心残基和远距离突变性能下降。
**2.4 UniStab在基准数据集上优于现有方法**：在MegaDouble、MegaIndel、PTMULMulti上SCC排名第一（分别为0.595、0.780、0.713），在PTMULDouble上略低于ThermoMPNN-D（0.555 vs 0.566），但在分类（AUROC=0.792）和多突变场景下优势明显。
**2.5 消融分析识别关键架构与微调组件**：结构模块（3块最优）、加权注意力池化、高容量LoRA（rank=8, alpha=16）组合性能最佳。移除结构模块使单点SCC从0.668降至0.466。
**2.6 特征距离与预测准确度相关并捕获局部结构扰动**：特征距离随突变数增加而增大，与预测准确性正相关（SCC与特征距离相关系数r=0.751）。特征距离与Chai-1预测的局部RMSD弱相关，且优于ESM2-3B基线。直接预测多突变效应（上位模型）略优于加性叠加。
**2.7 注意力突出突变为中心的相互作用重连并与局部结构变化一致**：以1RGG蛋白为例，注意力差异图显示I70D突变引起T18和Y81附近注意力集中，对应实验观察到的相互作用重连。另一α-螺旋蛋白案例中，注意力变化集中在突变位点邻近残基。
**2.8 光束搜索引导优化与分子动力学验证**：对蛋白谷氨酰胺酶（PG）进行光束搜索优化，得到三个双突变变体（L1M+A129C等）。100 ns MD模拟显示，变体RMSD和RMSF更低，天然接触保持率更高（89.80-90.56% vs 野生型87.75%），回转半径更紧凑，验证了稳定化效果。

**讨论与结论**
UniStab利用蛋白质折叠模型的隐式结构表示，通过LoRA适配，实现了可扩展的稳定性变化预测，并具备结构可解释性。其注意力模式集中在突变位点及相互作用伙伴，特征距离与局部构象变化相关，为预测提供了支持性证据。然而，隐式表示仍比显式3D模型粗糙，对远距离双突变性能有限；且数据驱动方法受数据集偏差（如MegaScale的蛋白覆盖和动态范围）影响，泛化需谨慎。未来可整合循环或显式残基相互作用约束，并利用更大标准化数据集和结构信息合成数据改进。总结而言，UniStab证明折叠模型的隐式结构表示可适配为可扩展的稳定性变化预测，通过将单点、多点和插入缺失统一在一个序列到ΔΔG框架中，为稳定性导向的蛋白质工程提供了实用途径。