Fusion2AI：细菌透明物质蛋白的功能再注释

确定细菌蛋白质的生物学功能仍然是微生物学领域的核心挑战。我们此前开发了Fusion，这是一种无需参考数据库的方案，将数千万个已知的、独特的细菌蛋白质聚类为约四十万个功能相似蛋白质组，即功能类群。对于新鉴定的蛋白质，可通过将其与每个功能类群的代表序列进行功能感知序列比对，利用Fusion进行功能分配。然而，Fusion功能类群缺乏对其功能的人类可读描述。在本研究中，我们利用大型语言模型（LLM），将散落且不完整的单个蛋白质功能注释整合为连贯的英文描述，涵盖约十万个聚类，即全部Fusion功能的四分之一。基于这些描述，我们提取了基因本体（GO）术语和酶学委员会（EC）编号，并将其与依据UniProtKB/Swiss-Prot推断的注释进行验证。这些注释立即扩大了基因组和微生物组层面分析的功能覆盖范围。对于FusionDB中的生物体，与仅通过Swiss-Prot进行序列比对相比，我们注释的蛋白质数量增加了50%；对于其他细菌，增幅虽较小，但在部分生物体中仍可达到30%。对于微生物组，注释覆盖率提高了近十倍。因此，我们的研究实现了对微生物“透明物质”的分析，即那些已在早期研究中得到描述、但尚未被纳入可用注释中的功能。我们所注释的Fusion功能数据库可通过https://services.bromberglab.org/fusion2ai免费获取，并作为宏基因组注释的参考数据库提供于https://services.bromberglab.org/mifaser。

yana{at}bromberglab.org

摘要

信息/历史

指标

数据/代码

PDF 预览

摘要

确定细菌蛋白质的生物学功能仍然是微生物学领域面临的核心挑战。我们此前开发了 Fusion，这是一种无需参考数据库的方案，可将数千万个已知的、彼此独特的细菌蛋白质聚类为约四十万个功能相似蛋白质组，即功能组。对于任何新鉴定的蛋白质，均可通过采用功能感知的序列比对，将其与各功能组的代表序列进行比对，从而利用 Fusion 完成功能分配。然而，Fusion 功能组缺乏可供人类阅读的功能描述。在持有人为作者/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

发布。

返回顶部

上一篇

下一篇

发布于 2026 年 9 月 29 日。

下载 PDF

数据/代码

电子邮件

感谢您有意传播 bioRxiv 的相关信息。

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。

您将要发送的内容如下：

Fusion2AI：细菌透明物质蛋白的功能再注释

（您的姓名）已将 bioRxiv 网站上的页面转发给您

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

此问题用于验证您是否为人类访客，并防止自动垃圾邮件提交。

分享

Fusion2AI：细菌透明物质蛋白的功能再注释

Aiden R

Maloney-Bertelli

，

Yana

Bromberg

bioRxiv

2026.09.28.755017；

doi：

https://doi.org/10.64898/2026.09.28.755017

分享本文：

复制

引用工具

Fusion2AI：细菌透明物质蛋白的功能再注释

Aiden R

Maloney-Bertelli

，

Yana

Bromberg

bioRxiv

2026.09.28.755017；

doi：

https://doi.org/10.64898/2026.09.28.755017

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.28.755017v1?rss=1

🏷️ 细菌蛋白质功能注释 大语言模型 功能蛋白质组聚类 基因本体术语 宏基因组学