蛋白质是生命活动的核心分子，其功能与三维结构密切相关。然而，突变引发的蛋白质构象变化往往是疾病发生的重要原因，如何精准预测这些变化对结构和功能的影响，一直是结构生物学研究中的难题。虽然AlphaFold2（AF2）凭借其高精度的蛋白质结构预测能力取得了革命性进展，但在处理突变诱导的构象变化时仍存在明显局限。近期，复旦大学的孙思琦研究员和任若冰研究员团队在《Acta Materia Medica》上合作发表了题为“AF2-Mutation: adversarial sequence mutations against AlphaFold2 in protein tertiary structure prediction”的研究，提出了一种全新的AF2-Mutation框架，为解析蛋白质突变与其构象变化的关系提供了全新视角。

AF2-Mutation通过无梯度的差分进化算法优化对抗性突变策略，模拟蛋白质序列中替换、插入和删除三种突变方式，并以局部距离差异测试（lDDT）衡量突变对蛋白质三维结构的影响。这一方法仅需修改最多三个氨基酸残基，便能显著改变AF2的预测结果。研究表明，通过优化搜索，AF2-Mutation可以高效识别出对蛋白质构象变化最敏感的关键残基，并显著扩大蛋白质结构的预测范围。此外，该框架创新性地引入了多序列比对（MSA）的近似技术，在保持预测精度的同时，大幅减少了计算资源的需求。实验中，研究团队通过AF2-Mutation方法对多个蛋白质样本进行测试，验证了其对抗突变的有效性，并成功生成了一批显著改变蛋白质结构的突变序列。这一成果不仅证明了AF2模型对少量突变的高敏感性，也为未来的实验验证和药物设计奠定了坚实基础。

通过对脂质转运蛋白SPNS2蛋白的案例研究，团队进一步展示了AF2-Mutation的实际应用潜力。SPNS2是一种重要的磷酸鞘氨醇跨膜转运蛋白，在免疫调节和血管发育中起关键作用。研究发现，预测的其中一个混合突变位点突变后的SPNS2结构从“内向开放”状态转变为“外向开放”状态，这与使用冷冻电镜技术获得的实验结果高度一致。值得注意的是，预测的突变位点的原始氨基酸对于稳定SPNS2的“内向开放”结构非常重要。这一发现不仅验证了AF2-Mutation框架算法的可靠性，也为该算法在多种疾病相关的突变引起的蛋白质构象变化的预测上展示了广阔的应用前景，这将为开发新的潜在的药物小分子提供新的研究方法。AF2-Mutation框架的提出，为蛋白质结构预测领域开辟了新方向，在精准医学、疾病研究以及药物研发中展现出巨大应用前景。

引用本文：Yuan ZJ, Shen T, Xu S et al. AF2-mutation: adversarial sequence mutations against AlphaFold2 in protein tertiary structure prediction. Acta Materia Medica. 2024. Vol. 3(4):462-476. DOI: 10.15212/AMM-2024-0047

原文链接：

https://www.scienceopen.com/hosted-document?doi=10.15212/AMM-2024-0047