- 6 次围观
许多生物过程依赖于机械力，其中蛋白质分子发挥着关键的介导作用。理解蛋白质如何响应机械应力，对于研究包括心肌病和肌营养不良在内的疾病至关重要。天然蛋白质，如抗肌萎缩蛋白（dystrophin）和肌营养不良蛋白（utrophin），由具有不同机械性质的异质折叠结构域组成；阐明结构域层面的行为，有助于深入理解疾病机制并为治疗策略提供依据。单分子力谱学（single-molecule force spectroscopy，SMFS）能够探测完整蛋白质的机械性质，但现有方法难以识别异质折叠结构域，尤其是在缺乏先验知识的情况下。在此，我们提出了首个用于识别SMFS数据中异质折叠结构域的自动化框架，结合采用现有聚类方法和一种新型的物理学感知深度聚类架构LatentUnfold。LatentUnfold通过双重自编码器，从力的大小以及力—延伸关系所体现的物理联系中学习互补的潜在表征，并针对聚类分配进行联合优化。我们将该框架应用于实验性SMFS数据，这些数据分别采集自一种合成双结构域蛋白（ddFLN4-Titin I27）以及抗肌萎缩蛋白和肌营养不良蛋白的天然蛋白构建体；同时，采用蒙特卡罗模拟数据集进行受控验证。对于合成蛋白，我们恢复出了与先前报道值一致的各结构域机械性质。对于天然蛋白，我们揭示了两个机械性质不同的结构域群体——分别对应N端结构域和类血影蛋白重复序列；这两个群体在解折叠力和轮廓长度增量方面均存在差异，并首次揭示了它们之间不同的解折叠顺序。本研究实现了结构域层面的生物学推断，克服了以往依赖平均化处理而忽视异质性的局限，从而推进了对蛋白质解折叠过程中机械行为的理解。
许多生物过程依赖于机械力，而蛋白质分子则充当其中的关键介质。理解蛋白质如何响应机械应力，对于研究包括心肌病和肌营养不良在内的疾病至关重要。天然蛋白质，如肌营养不良蛋白（dystrophin）和抗肌萎缩蛋白（utrophin），由具有不同机械性质的异质性折叠结构域组成；阐明结构域层面的行为有助于深入理解疾病机制，并为治疗策略提供依据。单分子力谱（single-molecule force spectroscopy，SMFS）能够探测完整蛋白质的机械性质，但现有方法难以识别异质性折叠结构域，尤其是在缺乏先验知识的情况下。在此，我们提出了首个用于识别SMFS数据中异质性折叠结构域的自动化框架，该框架同时应用了现有的聚类方法和一种新型的物理感知深度聚类架构LatentUnfold。LatentUnfold通过双自动编码器，从力的大小以及力—伸长物理关系中学习互补的潜在表征，并对聚类分配进行联合优化。我们将该框架应用于实验性SMFS数据，这些数据分别采集自一种合成双结构域蛋白（ddFLN4-Titin I27）以及肌营养不良蛋白和抗肌萎缩蛋白的天然蛋白构建体；同时，采用蒙特卡罗模拟数据集进行受控验证。对于合成蛋白，我们恢复出了与此前报道值一致的各结构域机械性质。对于天然蛋白，我们发现了两个机械性质不同的结构域群体——分别对应N端结构域和类血影蛋白重复序列——二者在解折叠力和轮廓长度增量方面均存在差异，并首次揭示了它们之间不同的解折叠顺序。本研究实现了结构域层面的生物学推断，克服了以往依赖平均化处理而忽视异质性的局限，从而推进了对蛋白质解折叠过程中机械行为的理解。
感谢您有兴趣传播bioRxiv的相关信息。
注意：索要您的电子邮箱地址仅用于确认您是本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.31.748330v1?rss=1
🏷️ 单分子力谱学 蛋白质机械性质 深度聚类 异质折叠结构域 物理感知机器学习