Science：颠覆性工具，预测无序蛋白区域驱动的分子间相互作用
来源：iNature 2026-02-04 10:16
该研究重新利用了最初为分子模拟开发的化学物理学方法FINCHES，，来预测 IDR 与伙伴蛋白之间的这种化学特异性，并为关于 IDR 在分子识别中的功能的机制假设的开发和测试提供途径。
蛋白质中的内在无序区域（IDR）在细胞功能中起着至关重要的作用。越来越多的研究表明，IDR 通常会以一种不依赖于氨基酸精确顺序的方式与伙伴蛋白相互作用，而是由互补的化学相互作用所驱动，从而形成无序的结合态复合物。然而，这些基于化学特异性的动态相互作用难以预测。
2025年5月22日，华盛顿大学Alex S. Holehouse团队在Science 在线发表题为Sequence-based prediction of intermolecular interactions driven by disordered regions的研究论文，该研究重新利用了最初为分子模拟开发的化学物理学方法FINCHES，仅以蛋白质序列作为唯一输入，来预测 IDR 与伙伴蛋白之间的这种化学特异性。
FINCHES——能够直接预测相图、识别 IDR 上的化学特异性相互作用热点、分解 IDR 中的化学不同区域，并为关于 IDR 在分子识别中的功能的机制假设的开发和测试提供途径。
在人类蛋白质中，超过 70% 的蛋白质存在内在无序区域（IDRs）。这些区域在许多细胞过程中发挥着关键作用。IDRs 没有稳定的三维结构，但往往在与各种细胞伙伴进行复杂相互作用时发挥着关键作用。
这些相互作用可能是序列特异性的，导致具有结构界面的结合状态，也可能是化学特异性的，导致一系列结合构象的组合。尽管深度学习模型能够预测序列特异性的相互作用，但预测化学特异性的分子识别仍然具有挑战性。
该研究通过关注三种类型的行为来验证基于 FINCHES 的预测：预测 IDR 与 IDR 之间的相互作用、根据序列预测相分离倾向以及预测 IDR 与折叠域之间的相互作用。
在所有情况下，研究人员发现预测结果与实验结果在各种蛋白质和系统中都存在良好的定性或半定量一致性。由于这些预测是基于分析方法并基于一个底层的能量函数，因此它们速度快、可调节且完全可解释。这使得能够在几分钟内对蛋白质组进行规模化的探究。
内在无序区域能够通过互补的化学作用与相关物质发生相互作用（图源自Science ）
研究人员使用 FINCHES 来探索人类蛋白质组中 IDRs 的化学结构，将大型 IDRs 分解为子域，并系统地研究磷酸化对 IDR 介导的相互作用在蛋白质组规模上的影响。最重要的是，FINCHES 提供了一种简单且快速的方法来发展关于驱动相互作用的力（这些力可能是 IDRs 介导功能的基础）的精确分子假设。
总之，该研究开发了一种基于粗粒度力场的计算分析方法，能够预测 IDR 与其他 IDR 以及折叠蛋白质之间的关联。这种方法能够直接从序列中快速表征 IDR，并识别和优先确定潜在的细胞相互作用以进行实验验证。
参考消息：https://www.science.org/doi/10.1126/science.adq8381
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
