科研大视野 | AI赋能泛素化生信解析——蛋白底物识别迈入残基水平

泛素化是真核生物中重要的蛋白质翻译后修饰，广泛参与调控蛋白降解、细胞应激、先天免疫、DNA损伤修复以及蛋白质稳态等重要生命活动。在战场创伤、感染防控、辐射与化学暴露、生理极限负荷等军事医学复杂损伤与应激场景中，机体功能失衡常往往源于泛素化调控异常所引发的多条调控网络整体改变。然而，由于泛素连接酶-底物作用界面的实验数据有限，相关机制的解析和应用转化长期面临瓶颈。

军事医学研究院李栋、崔春萍、张令强团队近期发现，泛素连接酶对底物蛋白的识别，大多数情况依赖底物无序区完成。基于这一特征，团队自主研发了可解释深度学习算法MetaESI。与传统生物信息学仅能判定泛素连接酶与底物“有无”互作关系不同，MetaESI将泛素化研究从网络互作分析，细化到分子界面与氨基酸残基层面。

MetaESI能够智能预测并解析泛素连接酶-底物结合界面、识别区域及关键功能残基。如果界面关键残基发生变异，就会干扰泛素连接酶与底物的正常识别，导致蛋白稳态失衡，进而引发疾病。相比传统预测工具，MetaESI可以清晰区分不同条件下的分子结合模式，有效规避了人工智能预测中常见的“黑箱”缺陷，预测结果可溯源、可实验验证。

配套的π-MetaESI软件，可为泛素化机制解析、界面突变分析、候选靶点筛选提供分析手段，同时为军事医学复杂损伤机制、疾病通路失衡及干预靶点研究提供技术支撑。

李栋、崔春萍、张令强团队长期从事泛素化调控相关的人工智能算法研究，先后研发推出UbiBrowser、π-TransDSI、π-MetaESI等多款研究工具，逐步搭建起从网络构建、互作关系预测，到界面解析、残基机制分析的研究体系。下一步，团队将紧扣军事医学复杂损伤与应激研究需求，发展智能化泛素化数据挖掘及调控机制解析技术，为损伤机制阐释、靶点发掘和临床干预策略研发奠定基础。