基于XL-MS引导的紊乱型海伦脑炎微孢子虫蛋白质结构预测

诸如海伦脑炎微孢子虫（Encephalitozoon hellem）之类的微孢子虫是专性细胞内人类寄生虫，其遗传操作性仍然十分有限，从而限制了对其蛋白质组进行功能表征。基于同源性建模的结构研究以及利用深度学习算法对微孢子虫蛋白进行的研究同样仍然受限，因为其中大多数蛋白与已解析结构的蛋白几乎不存在序列相似性，甚至完全没有序列相似性。为克服这些限制，我们开发了一种将交联质谱（XL-MS）数据整合到结构预测中的方法。XL-MS 数据提供了距离上限约束，这些约束可以被纳入基于蛋白质深度学习的建模及后续对接过程中。利用这种方法，我们为两种相互作用的 E. hellem 孢子壁蛋白——孢子壁蛋白 1B（Spore Wall Protein 1B，Swp1b）和内孢子蛋白 1（Endospore Protein 1，EnP1）——建立了模型；这两种蛋白在微孢子虫之外没有明确的同源蛋白，并且包含多个无序区域。这些蛋白是微孢子虫中丰度极高的孢子壁蛋白，而此前并不知道它们彼此之间存在相互作用。所得模型不仅与用于构建该模型的实验性交联结果一致，而且随后还通过独立生成的 XL-MS 数据得到了验证。本文所述的用于结构预测的 AlphaLink-Modeller 框架尤其适用于同源性有限和/或具有较大柔性区域的蛋白，只要这些蛋白在生物学背景下能够采取明确的结构状态；因此，该框架将整合式建模方法扩展到了此前无法研究的靶标。

微孢子虫（如脑炎微孢子虫 Encephalitozoon hellem）是专性细胞内人体寄生虫，但目前在遗传学上仍难以操作，这限制了对其蛋白质组功能的表征。基于同源建模的结构研究以及利用深度学习算法对微孢子虫蛋白进行结构预测也仍然受限，因为其中大多数蛋白与已解析结构的蛋白几乎没有或根本没有序列相似性。

为解决这些局限性，我们开发了一种将交联质谱（XL-MS）数据整合到结构预测中的方法。XL-MS 数据可提供距离上限约束，这些约束可被纳入基于蛋白深度学习的建模及后续对接过程中。利用该方法，我们为两种相互作用的 E. hellem 孢子壁蛋白——孢子壁蛋白 1B（Spore Wall Protein 1B, Swp1b）和内孢壁蛋白 1（Endospore Protein 1, EnP1）——构建了结构模型；这两种蛋白在微孢子虫之外没有明确的同源蛋白，并且含有多个无序区域。这些蛋白是微孢子虫中丰度极高的孢子壁蛋白，此前并不知道它们彼此之间存在相互作用。

所得模型不仅与用于生成该模型的实验性交联结果一致，而且随后还通过独立获得的 XL-MS 数据得到了验证。本文所述的 AlphaLink-Modeller 结构预测框架尤其适用于同源性有限和/或含有大量柔性区域的蛋白，只要它们在生物学环境中能够采取明确的结构状态；因此，该框架将整合建模方法扩展到了此前难以研究的靶标。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.11.731626v1?rss=1

🏷️ 交联质谱 蛋白质结构预测 微孢子虫 孢子壁蛋白 无序蛋白区域 整合建模