Comp2GPR：一种由序列驱动的基因-蛋白质-反应规则重建框架

准确的基因-蛋白质-反应（gene-protein-reaction, GPR）关联对于基因组尺度代谢模型（genome-scale metabolic models, GEMs）的预测性能至关重要，因为它们定义了基因、酶与代谢反应之间的映射关系。然而，由于注释转移的局限性以及多亚基蛋白复合物表征方式存在歧义，GPR规则常常不完整或不一致，从而导致下游分析（如基因必需性预测）中出现错误。 在此，我提出了Comp2GPR，这是一条用于重建GPR规则的自动化流程，该流程将经过整理的蛋白质复合物信息与序列层面的证据相结合。蛋白质复合物来源于Complex Portal，并经过AI辅助整理流程筛选，仅保留与代谢相关的复合体组装形式。Comp2GPR结合确定性的序列相似性映射与显式规则构建，生成布尔型GPR表达式，从而能够准确表示必需亚基之间的关系以及同工酶冗余性。 我通过将重建后的GPR规则整合到Yeast9代谢模型中，并将基因必需性预测结果与原始模型进行比较，评估了这些重建规则的影响。尽管整体性能指标基本保持不变，但更新后的模型通过基因层面的校正实现了预测准确性的净提升。总体而言，Comp2GPR表明，将经过整理的蛋白质复合物数据与基于序列的验证相结合，能够提高GPR规则的准确性、可解释性和可复现性。该方法为增强代谢模型注释提供了一个稳健的框架，并支持更为可靠的基于模拟的分析。

nolssi{at}gmail.com

摘要

准确的基因-蛋白质-反应（GPR）关联对于基因组尺度代谢模型（GEMs）的预测性能至关重要，因为它们定义了基因、酶与代谢反应之间的映射关系。然而，由于注释转移的局限性以及多亚基蛋白复合物表征方式存在歧义，GPR 规则往往不完整或不一致，从而导致下游分析（如基因必需性预测）中出现错误。持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

本文依据 CC-BY-NC 4.0 国际许可协议提供。

返回顶部

上一页

下一页

发表于 2026 年 6 月 26 日。

下载 PDF

数据/代码

电子邮件

感谢您有兴趣帮助传播 bioRxiv 的内容。

您的电子邮件

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或以逗号分隔。

您将要通过电子邮件发送以下内容

Comp2GPR：一种由序列驱动的基因-蛋白质-反应规则重建框架

邮件主题

（您的姓名）已从 bioRxiv 向您转发一个页面

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的这个页面。

您的个人留言

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享

Comp2GPR：一种由序列驱动的基因-蛋白质-反应规则重建框架

Sandra

Castillo

bioRxiv

2026.06.24.734174；

doi：

https://doi.org/10.64898/2026.06.24.734174

分享本文：

复制

引文工具

Comp2GPR：一种由序列驱动的基因-蛋白质-反应规则重建框架

Sandra

Castillo

bioRxiv

2026.06.24.734174；

doi：

https://doi.org/10.64898/2026.06.24.734174

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.24.734174v1?rss=1

🏷️ 基因-蛋白质-反应规则 基因组尺度代谢模型 蛋白质复合物 序列相似性 代谢网络重建 基因必需性预测