中大新聞網(wǎng)訊（通訊員張玉琦）液-液相分離(Liquid-liquid phase separation,LLPS)是介導(dǎo)蛋白質(zhì)和核酸等大分子在細(xì)胞中區(qū)室化分布的重要機(jī)制之一，廣泛參與轉(zhuǎn)錄調(diào)控、自噬、DNA復(fù)制、染色質(zhì)互作等多種重要生物學(xué)過(guò)程。異常相分離與神經(jīng)退行性疾病、腫瘤等多種重大疾病密切相關(guān)。因此，解析相分離的功能對(duì)于破譯細(xì)胞生命活動(dòng)和疾病機(jī)制至關(guān)重要。
2024年3月26日，中山大學(xué)丁俊軍課題組在Nature communications發(fā)表了題為Precise prediction of phase-separation key residues by machine learning的研究成果。該研究建立了一種機(jī)器學(xué)習(xí)算法PSPHunter（Phase-Separating Protein Hunter），通過(guò)整合相分離蛋白的序列和功能特征來(lái)預(yù)測(cè)相分離蛋白并識(shí)別關(guān)鍵氨基酸，進(jìn)一步量化疾病相關(guān)突變對(duì)相分離的影響，剖析相分離與疾病之間的關(guān)系。
在該項(xiàng)研究中，研究人員首先整合現(xiàn)有的相分離蛋白數(shù)據(jù)以及相分離相關(guān)序列和功能特征，建立了機(jī)器學(xué)習(xí)算法PSPHunter，基于算法評(píng)分篩選出由898個(gè)相分離蛋白構(gòu)成的相分離蛋白組PSProteome。進(jìn)而，運(yùn)用滑動(dòng)窗口（Sliding-window）策略針對(duì)蛋白質(zhì)序列進(jìn)行連續(xù)截?cái)?，定義截?cái)嗪笫瓜喾蛛x能力下降最多的片段為關(guān)鍵氨基酸（Key residues）。通過(guò)現(xiàn)有研究與實(shí)驗(yàn)兩種途徑驗(yàn)證了算法可靠性之后，進(jìn)一步解析了相分離關(guān)鍵氨基酸的內(nèi)在特征，并評(píng)估了突變對(duì)于相分離的影響，對(duì)于相分離和致病突變之間的關(guān)系進(jìn)行了全面解析。
綜上所述，該研究報(bào)道了一種基于多信息融合的機(jī)器學(xué)習(xí)模型PSPHunter，可用于鑒定相分離蛋白和相分離關(guān)鍵氨基酸。利用該算法建立相分離蛋白質(zhì)組、相分離關(guān)鍵氨基酸圖譜和相分離功能障礙致病突變圖譜等資源，有助于闡明相分離蛋白的功能，探索相分離在轉(zhuǎn)錄調(diào)控、細(xì)胞命運(yùn)轉(zhuǎn)變和疾病發(fā)展中的機(jī)制。
原文鏈接：https://www.nature.com/articles/s41467-024-46901-9
