通过进化序列智能解码蛋白质突变适应度：基于217项深度突变扫描实验的大规模ESM-2基准评估

《Journal of Proteins and Proteomics》：Decoding protein mutational fitness through evolutionary sequence intelligence: a large-scale ESM-2 benchmark across 217 DMS assays

　　

摘要

预测氨基酸替换的功能后果仍然是计算生物学中的基本挑战。基于进化序列数据训练的蛋白质语言模型（PLMs）提供了一种零样本方法：无需标注训练数据或结构信息即可对突变体进行评分。本研究的目的是量化ESM-2蛋白质语言模型（facebook/esm2_t33_650M_UR50D，6.5亿参数）在严格零样本设置下复现实验测量的突变适应度的准确程度及条件，并确定决定成功或失败的蛋白质特性。我们在ProteinGym完整的替换基准上评估了ESM-2，该基准包含涵盖186个独特蛋白质的217个深度突变扫描（DMS）实验。对于每个实验，突变效应以从模型计算的掩码边际对数似然比（ΔLLR）进行量化，并使用Spearman等级相关性与各深度突变扫描（DMS）研究报告的实验测量适应度评分进行相关性分析。ESM-2在所有实验中的平均Spearman ρ = 0.428（中位数 = 0.488），与已发表的ESM-1v参考值（ρ ≈ 0.46）相当。分类学分层分析显示，人类蛋白质的预测准确性显著高于病毒蛋白质（Mann–Whitney U = 2238, p = 2.6 × 10^?5；Dunn检验配合Bonferroni校正，p = 6 × 10^?4），这与UniRef50语料库中以人类序列为主的训练分布一致。蛋白质长度与预测准确性呈负相关（Pearson r = ?0.210, p = 0.0019），大型病毒蛋白质如SARS-CoV-2刺突蛋白（1273个氨基酸）的相关性接近于零。相反，实验覆盖深度对预测质量无显著影响（r = ?0.089, p = 0.190）。排名最高的实验主要由短小、结构受限的人类和细菌酶以及折叠结构域主导。总之，ESM-2零样本评分是人类和微生物蛋白质的可靠计算机筛选工具，但对病毒蛋白质和长多结构域序列不可靠；这些界限应指导其在药物发现、临床变异解读和蛋白质工程流程中的应用。