[所屬分類:行業(yè)動態(tài)] [發(fā)布時間:2025-3-21] [發(fā)布人:楊曉燕] [閱讀次數(shù):] [返回]

人工智能推動病原菌效應蛋白功能鑒定
作者：江慶齡      來源：中國科學報
山東拓普生物工程有限公司  http://www.jlkcpj.cn
華東理工大學生物反應器工程全國重點實驗室教授王啟要團隊，開發(fā)了人工智能賦能的蛋白質(zhì)功能預測新方法，利用蛋白質(zhì)語言模型進行效應蛋白預測鑒定，為病原菌毒力因子的大規(guī)模挖掘提供了技術平臺，推動了病原菌效應蛋白的功能鑒定，為復雜的病原菌效應蛋白-宿主免疫互作機制網(wǎng)絡的解析奠定了技術基礎。相關研究近日發(fā)表于《自然-通訊》。
效應蛋白是一類由細菌病原微生物分泌到環(huán)境以及宿主細胞內(nèi)的關鍵毒力蛋白，可以通過干擾宿主免疫信號通路、調(diào)控細胞代謝、協(xié)助攝取營養(yǎng)等方式促進病原菌感染。鑒定效應蛋白以及進行其分子機制研究對解析病原菌-宿主免疫互作機制和抗感染藥物靶點開發(fā)具有重要意義。然而，許多效應蛋白在功能和蛋白質(zhì)序列特征上具有多樣性，使得基于序列保守性的預測方法較難有效預測未知效應物，而基于實驗的篩選方法則存在著通量低和時間成本高等問題。
在前期研究基礎上，研究團隊結合預訓練蛋白質(zhì)語言模型和對比學習技術，構造了名為CLEF的神經(jīng)網(wǎng)絡模型。該模型能夠?qū)⒄Z言模型對蛋白質(zhì)序列編碼與其他的生物學特征對齊，在現(xiàn)有模型基礎上有效提升神經(jīng)網(wǎng)絡對效應蛋白的預測性能。利用該模型，研究團隊成功對殺魚愛德華氏菌中潛在的未知效應蛋白進行預測，并通過實驗鑒定得到12個新型III型分泌系統(tǒng)效應蛋白和11個VI型分泌系統(tǒng)效應蛋白。
相關論文信息：https://doi.org/10.1038/s41467-025-56526-1
（本文內(nèi)容來源于網(wǎng)絡，版權歸原作者所有，如有侵權可后臺聯(lián)系刪除。）