EnzyDiff：基于潜在扩散去噪的序列级突变诱导酶活性方向分类方法

《Science Progress》：EnzyDiff: Sequence-based classification of mutation-induced enzyme activity direction using latent diffusion denoising

　　

摘要

目的：预测突变诱导的酶活性变化对于蛋白质工程、药物反应分析和精准医学具有重要意义。现有方法通常依赖于结构信息或复杂的外部流程，限制了可重复性和实际应用。

方法：研究人员开发了EnzyDiff，一种轻量级的扩散（diffusion）框架，该框架从突变前后的酶序列中编码突变诱导的活性扰动，并结合突变身份和位置信息。该模型在P450深度突变扫描（deep mutational scanning, DMS）数据集上采用五折交叉验证进行评估，并进行了鲁棒性分析、表征可视化及基于案例的遮挡敏感性分析。预处理后共保留3,289个带标签的突变条目，包括240个“增加（Increased）”样本和3,049个“降低（Decreased）”样本。

结果：在五折交叉验证中，EnzyDiff在P450数据集上达到了0.933的准确率（accuracy）、0.497的F1分数（F1-score）、0.803的受试者工作特征曲线下面积（AUROC）和0.495的精确率-召回率曲线下面积（PR-AUC）。在反转突变设置下模型保持稳定，学习表征中显示出清晰的类别分离，并在可解释性分析中突出了突变相关位置。然而，中等水平的F1分数也表明，在强烈类别不平衡下，少数类预测仍具有挑战性。

结论：EnzyDiff是一种用于酶活性方向分类的轻量级、可重复且可解释的框架。它为功能性突变评估和下游生物学分析提供了一种实用的基于序列的解决方案。

**论文解读：EnzyDiff——基于潜在扩散去噪的酶活性突变效应方向预测框架**

**1. 研究背景与问题**

酶活性对氨基酸替换高度敏感，突变引起的酶功能改变与蛋白质工程、药物代谢和精准医学密切相关。此外，代谢酶和溶酶体酶的突变与帕金森病、阿尔茨海默病等神经退行性疾病有关，突变导致的酶活性异常可能破坏细胞稳态和神经元功能。随着深度突变扫描（DMS）数据的不断积累，利用计算方法预测突变对酶活性的影响已成为重要研究方向。然而，现有方法普遍存在依赖蛋白质结构或同源信息、需使用复杂外部流程、可重复性差等问题。特别地，近期专门针对酶活性影响预测的方法EnzyACT在实际上未公开训练代码和预训练权重，难以复现、重用和公平评估。因此，亟需一种轻量级、可重复且面向特定任务、能够仅从序列信息直接建模突变诱导酶活性变化的框架。

**2. 研究目标与主要方法**

针对上述空白，研究人员提出了EnzyDiff——一种基于扩散（diffusion）的酶活性方向分类框架。该框架仅输入野生型序列、突变体序列和突变身份，无需结构信息或重型外部预处理，即可判断突变是否影响酶活性。其核心思想是对突变引起的潜在扰动（latent perturbation）进行显式建模：先由Transformer类序列编码器分别编码突变前和突变后的序列，得到残基级隐表示H_before和H_after，计算两者之差Z₀ = H_after ? H_before作为突变诱导扰动的初始表示。随后，通过扩散过程在前向中添加高斯噪声，训练一个去噪网络在突变感知上下文条件下恢复注入的噪声，最终将恢复的扰动特征与序列池化特征及突变嵌入融合，送入分类头进行二分类。训练目标联合了扩散噪声重构损失和带正类加权的二分类交叉熵损失。

**3. 数据集与评估配置**

研究使用P450深度突变扫描数据集作为主要基准。原始9,310条P450记录经预处理后保留3,289个有标注突变条目，其中“增加（Increased）”样本240个、“降低（Decreased）”样本3,049个。未匹配到活性注释或标签为其他类型的条目被排除。五折交叉验证中，每折以约10%的样本按类别分层抽样作为验证集，其余用于训练，并根据验证集AUROC选择检查点。无过采样或欠采样，仅在损失函数中按正负样本比例加权正类并乘以缩放因子1.8。模型使用AdamW训练30轮，学习率2e-4，批量大小8，权重衰减0.01，dropout 0.1，梯度裁剪1.0。扩散损失权重0.01，分类损失权重2.0。

**4. 研究结果**

**4.1 EnzyDiff总览与总体性能**

EnzyDiff的整体流程如图1所示：编码突变前和突变后序列上下文，构建突变感知条件表示，通过扩散去噪过程建模潜在扰动，最终整合特征进行二分类。在P450 DMS数据集五折交叉验证中，EnzyDiff取得准确率0.933±0.011，精确率0.570±0.108，召回率0.450±0.041，特异性0.971±0.013，平衡准确率0.711±0.017，F1分数0.497±0.037，马修斯相关系数（MCC）0.469±0.050，AUROC 0.803±0.040，PR-AUC 0.495±0.082。五折汇总混淆矩阵为：真阴性2,961，假阳性88，假阴性132，真阳性108。结果表明模型整体准确率高，但对少数类（Increased）的召回仍有提升空间。

**4.2 表征学习与外部方法比较**

研究人员通过可视化模型不同阶段的隐藏状态（输入差异表征、编码后中间池化表征、分类前最终表征）发现，随着网络逐层处理，Increased和Decreased两类样本的分离程度逐渐增大，表明EnzyDiff能够渐进地将原始序列差异转化为任务相关的判别性特征。同时，研究将AlphaMissense、MutationAssessor和ESM-1v作为上下文参考在相同变异集上评估。需注意，这些工具的阳性标签代表致病性或有害性，而非“酶活性增加”，因此其指标仅在共享二进制编码下描述与活性方向标注的对应关系，并非任务等价基准。

**4.3 外部酶突变条目的独立单测试评估**

研究人员从EnzyACT数据集中选取酶突变条目进行独立单测试评估，将训练好的EnzyDiff直接应用于包含正负标签的蛋白质条目。结果显示，在多个UniProt条目（如P04177、A4XGA6、Q61586等）上，模型取得了较高的精确率、召回率、F1分数和MCC，AUCP全部为1.00。例如P13254条目（阳性23个，阴性50个）的F1分数为0.80，AUCP为1.00；P49591条目（阳性3个，阴性10个）的F1分数为0.67，AUCP为1.00。这提示EnzyDiff可能保留了一定的跨数据集迁移预测能力。

**4.4 反转突变设置下的鲁棒性**

为了检验模型是否单纯记忆了序列方向模式，研究人员进行了反转突变实验：交换突变前和突变后序列，反转突变注释并翻转标签。结果显示，在此设置下模型性能与标准配置接近，仅ACC、F1和AUC出现小幅下降。这表明EnzyDiff并未过度依赖方向性编码，而是捕获了与功能性扰动存在本身更相关的突变敏感信号，支持了所学潜在扰动的稳定性和有意义的特性。

**4.5 基于案例的遮挡敏感性可视化**

为描述模型输出对局部序列扰动的响应，研究人员对代表性突变案例L11Q和I215D进行了逐残基遮挡敏感性分析。具体做法是记录原始预测概率，然后分别遮掩突变前或突变后序列中每个残基位置，重新计算预测概率，以概率下降幅度作为位置敏感性分数。结果表明，这两个案例中突变前和突变后的敏感性剖面存在差异，说明模型的响应并非固定的位置权重，而是随输入序列上下文的变化而改变，提示模型能够响应与突变相关的上下文变化。

**4.6 案例研究与疾病/药物相关分析**

在药物反应分析中，研究人员考察了已被报道影响华法林反应的P450突变R144C。EnzyDiff预测该突变不会显著改变酶活性，提示其药理学效应可能并非主要源于催化活性变化，而是涉及结构稳定性或相互作用特性等其它机制。在疾病相关分析中，研究人员选择了GBA1（与帕金森病及相关疾病密切相关的酶）的两个变异N409S和L483P。EnzyDiff对这两个变异给出了较低的功能影响分数，尽管临床注释显示其为致病性或意义未明。研究人员指出，这种不一致可能源于EnzyDiff的预测目标与临床致病性标签的差异——临床相关变异可能通过酶活性破坏之外的机制影响疾病风险。这些案例说明EnzyDiff能够为变异解读提供互补的功能视角，而非将活性效应与所有表型相关变异混为一谈。

**5. 讨论总结与结论**

讨论部分指出，EnzyDiff通过在序列水平上建模野生型与突变型之间的潜在差异，实现了无需结构输入的酶活性方向分类。反转实验、表征可视化和遮挡敏感性分析从不同侧面刻画了模型行为，但这些可视化结果不能证明模型识别了活性位点、底物结合位点或血红素结合位点等关键残基，也无法提供直接的酶活性变化机制解释，因此仅作为模型行为的辅助描述。

研究存在若干局限性：主要在P450 DMS数据集上评估，泛化性需在其他酶和数据集上进一步验证；模型设计目标为酶活性影响预测，而非临床致病性或广泛表型效应，输出不应直接替代临床注释；P450数据集的类别不平衡导致对少数类Increased的召回率中等，从而造成了高准确率与F1分数约0.50之间的差异。未来工作应评估更大且更平衡的酶活性数据集，并探索阈值优化、概率校准、重采样策略和代价敏感学习以改善少数类预测。

研究结论部分可翻译为：总体而言，这些结果表明，扩散式建模可能为酶活性方向分类提供一个有用的方向。未来工作可探索更大规模验证、扩展到更多酶家族，以及适配更细粒度的功能预测场景。

**6. 研究意义**

EnzyDiff作为一种轻量级、可重复且可解释的框架，为酶活性方向分类提供了一种实用的序列基础解决方案。它避免了对结构信息和复杂外部流程的依赖，降低了计算门槛，并同时具备了较强的预测性能、鲁棒性和一定程度的可解释性。该框架有望在功能突变评估、药物反应分析和疾病相关变异解读中作为补充工具发挥作用，尤其适用于那些仅凭序列信息即可进行的初步功能筛查场景。