内容形式：摘要译文
微生物宏基因组编码着极其丰富的催化多样性，但要发现具有新颖且尚未描述功能的酶，通常需要组装整个微生物群落，并从头识别具有活性的蛋白质。第一步计算密集，且会漏掉低丰度序列。第二步则因我们无法预测新功能而复杂。我们的 DNA 语言模型 REBEAN 无需序列比对，即可为每条测序读段赋予高级别的酶学委员会（EC）分类，或标注为非酶，从而绕过了后一个难题。在此基础上，我们构建了 REFinder 流程，同时解决这两个步骤：将 REBEAN 注释的读段分流，仅组装那些被推定为酶且具有已识别催化特征的读段。在对 50 个微生物组宏基因组的评估中，REFinder 识别出的酶数量是对相应完整组装所得蛋白质进行基于同源性的注释所能恢复数量的 1.2 至 2.1 倍。此外，与完整组装相比，其计算成本最多低 6.4 倍。在所有样本中，REFinder 识别出的酶至少占完整宏基因组组装所发现、可通过同源性注释识别的酶的四分之三，最高可达 90%。值得注意的是，其中有 22% 至 45%（因 EC 类别而异）的酶与 Swiss-Prot 蛋白质均无相似性，也就是说，这类酶无法通过同源性注释发现。在来自两份唾液样本的逾 13,000 个此类新型氧化还原酶中，约五分之二的 ESMFold 预测结构与 PDB 中已表征的酶结构比对后，TM-score[≥]0.7，表明尽管缺乏序列同源性，它们仍具有显著的结构相似性。这些结果表明，定向、无比对的组装能够将即便是已有大量研究的微生物组转化为数千种此前无法发现但可信的新型酶的来源，进而提高了……
我们对环境微生物组探索的期望。
关键词：宏基因组挖掘 · 酶功能预测 · DNA语言模型 · 酶分类注释 · 新酶发现
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.01.756075v1?rss=1