利用蛋白质语言模型和磷酸化主成分分析高通量绘制激酶-底物相互作用图谱

由 root 提交于 周五, 10/30/2026 - 18:47
摘要

蛋白质磷酸化是细胞生理学的关键调控机制,然而,我们对人类激酶组的认识仍存在诸多重大空白。相当一部分已测定的人类磷酸化位点尚未被确定其上游激酶,且约三分之一的人类激酶组在功能上仍未得到充分表征。这种脱节限制了我们理解细胞信号传导重构如何促成疾病发生的能力。在本研究中,我们通过开发一个用于理解和预测激酶–底物相互作用(kinase-substrate interactions,KSIs)的“实验室在环”(lab-in-the-loop)框架,弥合了这一鸿沟。我们将KINBERT——一种联合编码催化结构域与底物肽、用于学习相互作用规则的蛋白质语言模型——与磷酸化蛋白互补分析(phosphorylation protein complementation assay,phospho-PCA)相结合。后者是一种筛选平台,能够以混合池化方式,同时分析数千种底物与多种激酶之间的相互作用。通过贝叶斯分层建模,我们将生化识别与激酶特异性适应度解耦,并为代表21种不同激酶的23个激酶构建体鉴定出新的高置信度底物,其中包括研究不足的“暗激酶”ADCK1和CaMKK1(KKCC1)。我们表明,当使用从文献中整理的大规模数据集进行训练时,KINBERT表现出很强的泛化能力,并在标准基准和分布外基准测试中均优于现有模型。我们还表明,在纳入磷酸化PCA实验数据后,KINBERT的性能可进一步提升。我们通过三项应用展示了该框架的实用性:为先天免疫效应分子TBK1和IKKβ开发活细胞生物传感器;评估不同人类疾病状态下的信号通路重构;以及整合病毒的深度突变扫描数据,以鉴定宿主激酶劫持机制并提出候选特定的药物再利用候选药物。KINBERT与磷酸化PCA相结合,为绘制人类激酶组的功能图谱并生成可付诸行动的生物学洞见提供了一种可扩展的方法学。

利用蛋白质语言模型和磷酸化-PCA高通量绘制激酶–底物相互作用图谱 | bioRxiv

跳转至主要内容

首页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

利用蛋白质语言模型和磷酸化-PCA高通量绘制激酶–底物相互作用图谱

Changhua

Yu

、

Edward

Pao

、

David

Van Valen

doi:

https://doi.org/10.64898/2026.10.26.762004

Changhua Yu

1

加利福尼亚理工学院生物学与生物工程部,美国加利福尼亚州帕萨迪纳,邮编91125;

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

Edward Pao

2

加利福尼亚理工学院生物学与生物工程部,美国加利福尼亚州帕萨迪纳,邮编91125;霍华德·休斯医学研究所,美国马里兰州切维蔡斯,邮编20815

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

David Van Valen

2

加利福尼亚理工学院生物学与生物工程部,美国加利福尼亚州帕萨迪纳,邮编91125;霍华德·休斯医学研究所,美国马里兰州切维蔡斯,邮编20815

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:

vanvalen{at}caltech.edu

摘要

信息/历史

指标

补充材料

数据/代码

预览 PDF

摘要

蛋白质磷酸化是细胞生理学的关键调控机制,但我们对人类激酶组的认识仍存在重大空白。大量已测定的人类磷酸化位点尚未确定其上游激酶,而人类激酶组中约三分之一在功能上仍未得到充分表征。这种脱节限制了我们理解细胞信号传导重编程如何促成疾病的能力。在本研究中,我们通过开发一种“实验室在环”(lab-in-the-loop)】【。

用于理解和预测激酶-底物相互作用(KSIs)的框架。我们将KINBERT(一种联合编码催化结构域和底物肽、以学习相互作用规则的蛋白质语言模型)与磷酸化蛋白互补分析(phospho-PCA)相结合;后者是一种筛选平台,可针对多种激酶,同时对数千种底物进行混合池分析。通过贝叶斯层级建模,我们将生化识别与激酶特异性适应度解耦,为代表21种不同激酶的23种激酶构建体鉴定出新的高置信度底物,其中包括研究不足的“暗激酶”ADCK1和CaMKK1(KKCC1)。我们表明,当使用从文献中整理的大规模数据集进行训练时,KINBERT展现出强大的泛化能力,并在标准基准和分布外基准测试中均优于现有模型。我们还表明,在纳入磷酸化PCA实验数据后,KINBERT的性能可进一步提升。我们通过三项应用展示了该框架的实用性:为先天免疫效应蛋白TBK1和IKKβ设计活细胞生物传感器;评估人类疾病状态间的信号通路重连;以及整合病毒的深度突变扫描数据,以识别宿主激酶劫持机制并提出具体的药物再利用候选方案。KINBERT与磷酸化PCA共同提供了一种可扩展的方法学,用于绘制人类激酶组的功能图谱并产生可付诸行动的生物学见解。

利益冲突声明

David Van Valen是Aizen Therapeutics的科学创始人,并持有该公司的股权。作者已就本研究所述的基于生长的生物传感器提交临时专利申请。

脚注

资助者信息声明

美国国立卫生研究院,

https://ror.org/01cwqze88

,DP2-GM149556

霍华德·休斯医学研究所,

https://ror.org/006w34k90

版权

本预印本的版权所有者为作者/资助者,其已授予 bioRxiv 永久展示该预印本的许可。

该预印本依据

CC-BY 4.0 国际许可协议

公开发布。

返回顶部

上一页

下一页

发布于2026年10月28日。

下载 PDF

补充材料

数据/代码

电子邮件

感谢您有意帮助传播 bioRxiv 上的内容。

注意:我们要求提供您的电子邮件地址,仅用于确认您是本文的发送者。

您的电子邮件地址

*

您的姓名

*

发送至

*

请在不同的行中输入多个地址,或使用逗号分隔地址。

您将要发送以下内容:

使用蛋白质语言模型和磷酸化主成分分析高通量绘制激酶-底物相互作用图谱

(您的姓名)已从 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 网站上的此页面感兴趣。

您的个人留言

验证码

此问题用于测试您是否为人类访客,并防止自动垃圾邮件提交。

分享

使用蛋白质语言模型和磷酸化主成分分析高通量绘制激酶-底物相互作用图谱

Changhua

Yu

,

Edward

Pao

,

David

Van Valen

bioRxiv

2026.10.26.762004;

doi:

https://doi.org/10.64898/2026.10.26.762004

分享本文:

复制

引用工具

使用蛋白质语言模型和磷酸化主成分分析高通量绘制激酶-底物相互作用图谱

Changhua

Yu

,

Edward

Pao

,

David

Van Valen

bioRxiv

2026.10.26.762004;

doi:

https://doi.org/10.64898/2026.10.26.762004

引用管理器格式

BibTeX

Bookends

EasyBib

EndNote(带标签)

EndNote 8(XML)

Medlars

Mendeley

Papers

RefWorks Tagged

Ref Manager

RIS

Zotero

推文组件

Facebook 点赞

Google Plus +1

主题领域

所有文章

动物行为与认知

(8164)

生物化学

(19027)

生物工程

(15171)

生物信息学

(45457)

生物物理学

(22958)

癌症生物学

(20149)

细胞生物学

(27345)

临床试验

发育生物学

(14168)

生态学

(21427)

流行病学

(2067)

进化生物学

(25845)

遗传学

(16373)

基因组学

(23871)

免疫学

(19066)

微生物学

(43260)

分子生物学

(18380)

神经科学

(95305)

古生物学

(714)

病理学

(3039)

药理学与毒理学

(5214)

生理学

(8295)

植物生物学

(16295)

科学传播与教育

(2117)

合成生物学

(4651)

系统生物学

(10404)

动物学

(2428)

关键词:蛋白质语言模型 · 激酶-底物相互作用 · 蛋白质磷酸化 · 磷酸化互补分析 · 人类激酶组 · 计算建模

原文链接:https://www.biorxiv.org/content/10.64898/2026.10.26.762004v1?rss=1