- 2 次围观
变构效应日益被理解为动态信息在蛋白质中的传播过程，然而，对这种信息流的计算描述符通常是一次针对一个结构计算得到的，且不携带可迁移的、序列层面的先验信息。本文构建了一种“变构字母表”：由局部联系“词”组成的词典，这些“词”是以由3至4个残基构成的空间团锚定的短序列窗口，每个“词”都携带一个净高斯网络模型转移熵评分的分布，该分布汇集自蛋白质数据库中一组非冗余结构。该字母表由131,611,766个独特“词”构成，来源于212,860,934个团观测。 将任意蛋白质的序列和结构映射到该词典上，即可得到逐残基的变构轨迹，包括净转移熵、源、汇以及开关通道，而无需进行任何系统特异性的拟合。以变构数据库为基准进行验证时，已注释的变构位点残基表现为转移熵汇（信息接收者）：在646,629个残基上汇总分析显示，汇通道将这些位点与蛋白质其余部分区分开的 pooled ROC-AUC = 0.543（置换检验 z = 19.1）；这一效应幅度虽小，但具有压倒性的统计显著性，且对词频泄漏具有稳健性。 在针对9种经典变构蛋白的双状态实验中，这些方向性通道在机制层面具有信息价值：源残基可预测 apo→holo 构象重连线程度最大的位点（Meta分析 Spearman ρ = +0.106，在9种蛋白中有7种为正），而汇残基则标记出构象最稳定的位置（ρ = -0.105，在9种蛋白中有8种为负）。因此，汇标记了变构信号被接收的位置，而源标记了其驱动运动的位置。 最后，我们从上下文变异性最高的“词”中挖掘出一种紧凑的、富含疏水特征的“开关词汇表”，并提出可将其作为工程化设计变构机制的设计词典。
变构效应日益被理解为动态信息在蛋白质中的传播，然而，描述这种流动的计算表征通常一次只针对一个结构进行计算，且不携带可迁移的、序列层面的先验信息。在此，我们构建了一个“变构字母表”：由局部联系“词”组成的词典。这些“词”是由三至四个残基构成的空间团所锚定的短序列窗口，每个词都携带一个净高斯网络模型转移熵分数的分布，该分布汇总自蛋白质数据库中一组非冗余结构。该字母表由131,611,766个独特词条组成，来源于212,860,934次团观测。将任意蛋白质的序列和结构投影到该词典上，无需进行任何体系特异性的拟合，即可得到逐残基的变构轨迹，包括净转移熵、源、汇以及开关通道。
基于变构数据库的验证表明，已注释的变构位点残基表现为转移熵汇（信息接收者）：在646,629个残基上，汇通道区分这些位点与蛋白质其余部分的汇总ROC-AUC为0.543（置换z = 19.1）；这一效应在幅度上虽小，但具有压倒性的统计显著性，并且对词频泄漏具有稳健性。方向性通道在针对九种经典变构蛋白的双状态实验中展现出机制层面的信息价值：源残基可预测apo→holo构象重构幅度最大的位点（荟萃分析Spearman ρ = +0.106，在9种蛋白中有7种为正），而汇残基则标记出构象最稳定的位置（ρ = −0.105，在9种蛋白中有8种为负）。因此，汇标记了变构信号被接收的位置，而源标记了其驱动运动的位置。最后，我们将上下文可变性最高的词条挖掘整合为一个紧凑、富含疏水性的开关词汇表，并提出可将其作为工程化设计变构机制的设计词典。
作者声明不存在竞争性利益。
感谢您关注并帮助传播 bioRxiv。
注意：请求您的电子邮箱地址仅用于识别您是本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.29.741458v1?rss=1
🏷️ 蛋白质变构 转移熵 结构生物信息学 变构位点预测 构象重连 高斯网络模型