- 2 次围观
病毒衣壳蛋白保留了有关高阶壳体架构和深层进化历史的信息，然而当前的衣壳注释主要依赖基于同源性的方法，对于高度 divergent 的环境序列，其敏感性有所降低。在此，我们开发了 ESMCapsid，一种专为衣壳设计的蛋白质语言模型，用于远缘衣壳检测和架构感知表征学习。对3.43亿个具有代表性的宏基因组蛋白簇进行筛选后，我们发现了一个规模庞大的同源性暗区衣壳库，其中约62%的候选序列无法与现有参考数据库中的序列匹配。稀疏自编码器分解识别出反复出现的语义基序，将这些同源性暗区蛋白与已知结构谱系联系起来，表明可以在宏基因组尺度上直接从衣壳序列中恢复具有可解释性的高阶架构信息。将保守基序核心映射到已解析的病毒壳体上后发现，这些基序呈现空间聚集并占据受限的径向位置，说明 ESMCapsid 捕获了超越单纯序列相似性的几何约束。综上，我们的研究建立了一条基于序列、通过保守架构原则组织同源性暗区病毒多样性的路径，从而将病毒发现拓展至序列同源性之外。
基于衣壳专用蛋白质语言模型从序列揭示病毒的高阶结构 | bioRxiv
跳转至主要内容
主页 关于 投稿 提醒 / RSS 搜索该关键词 高级搜索 最新成果
# 基于衣壳专用蛋白质语言模型从序列揭示病毒的高阶结构
查看 ORCID 个人资料
Sihang Liu 、 Siqing Xia 、 Hong Wang
doi： https://doi.org/10.64898/2026.09.06.749605
Sihang Liu 同济大学 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者 Sihang Liu 的 ORCID 记录
Siqing Xia 同济大学 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
Hong Wang 同济大学 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
通讯作者： hongwang{at}tongji.edu.cn
## 摘要
信息/历史 指标 补充材料 预览 PDF
## 摘要
病毒衣壳蛋白保留了有关高阶壳体结构和深层进化历史的信息，然而当前的衣壳注释主要依赖基于同源性的方法，这些方法在高度分化的环境序列中的灵敏度较低。在本研究中，我们开发了 ESMCapsid，这是一种面向衣壳的专用蛋白质语言模型，用于远缘衣壳检测和结构感知表征学习。对 3.43 亿个具有代表性的宏基因组蛋白簇进行筛选后，我们发现了一个规模庞大的同源性隐匿型衣壳蛋白库，其中约 62% 的候选序列无法与现有参考数据库中的序列匹配。稀疏自编码器分解鉴定出反复出现的语义基序，将同源性隐匿型蛋白与已知结构谱系联系起来，这表明在宏基因组尺度上，可以直接从衣壳序列中恢复具有可解释性的高阶结构信息。将保守基序核心映射至已解析的病毒壳体后，我们观察到这些基序在空间上的聚集以及受限的径向位置，说明 ESMCapsid 捕获了超越单纯序列相似性的几何约束。综上，我们的研究建立了一种基于序列的路径，可通过保守的结构原则组织同源性隐匿型病毒多样性，从而将病毒发现拓展至序列同源性之外。
## 利益冲突声明
## 资助信息声明
国家自然科学基金委员会 ，52570110
## 版权
本预印本的。
本预印本依据 CC-BY-NC-ND 4.0 国际许可协议 公开提供。
返回顶部 上一篇 下一篇
发布于 2026 年 9 月 7 日。
下载 PDF
补充材料
电子邮件
感谢您有意帮助传播 bioRxiv 上的内容。
您的电子邮件地址 *
您的姓名 *
发送至 *
请输入多个地址，每行一个，或使用逗号分隔。
您即将发送以下内容：
基于衣壳专用蛋白质语言模型从序列揭示病毒的高阶结构
邮件主题
（您的姓名）从 bioRxiv 网站转发了一个页面给您
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于确认您是否为真实访客，并防止自动垃圾信息提交。
分享
# 基于衣壳专用蛋白质语言模型从序列揭示病毒的高阶结构
Sihang Liu 、 Siqing Xia 、 Hong Wang
bioRxiv 2026.09.06.749605； doi： https://doi.org/10.64898/2026.09.06.749605
分享本文：
复制
引用工具
基于衣壳专用蛋白质语言模型从序列揭示病毒的高阶结构
Sihang Liu 、 Siqing Xia 、 Hong Wang
bioRxiv 2026.09.06.749605； doi： https://doi.org/10.64898/2026.09.06.749605
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.06.749605v1?rss=1
🏷️ 病毒衣壳 蛋白质语言模型 宏基因组学 同源性暗区 结构架构预测