Nature Computational Science丨崔庆华团队提出预测关键蛋白靶点的新型人工智能算法

摘要：确定关键蛋白靶点是阐明疾病发生发展机制以及探索疾病预防、诊断和治疗新策略的基础和前提。然而，使用CRISPR-Cas9等湿实验方法鉴定关键蛋白编码基因存在费时耗力的缺点，并且难以推广到人类全蛋白质组，所以亟需计算方法来快速准确预测人类全部蛋白质的重要性。现有的

确定关键蛋白靶点是阐明疾病发生发展机制以及探索疾病预防、诊断和治疗新策略的基础和前提。然而，使用CRISPR-Cas9等湿实验方法鉴定关键蛋白编码基因存在费时耗力的缺点，并且难以推广到人类全蛋白质组，所以亟需计算方法来快速准确预测人类全部蛋白质的重要性。现有的计算方法仅能在人源细胞系中预测蛋白质重要性，但是蛋白质重要性具有高变异性的特点，且蛋白质重要性在不同类型的细胞系之间也呈现出高异质性。这就要求在设计蛋白质重要性预测算法时，不仅需要提升算法的预测精度，而且需要考虑蛋白质重要性存在的变异性。

近年来，深度学习和大语言模型 (Large language model, LLM) 技术的快速发展为蛋白质重要性预测提供了新思路。近日，崔庆华课题组在Nature Computational Science发表题为Comprehensive prediction and analysis of human protein essentiality based on a pre-trained protein large language model的研究型文章，提出了基于预训练蛋白质语言模型(Protein language model, PLM)的蛋白质重要性预测算法PIC(Protein Importance Calculator) 。结果表明，PIC算法相较于此前最先进的计算方法DeepCellEss获得显著性能提升（AUROC和AUPRC分别提升9.64%和10.52%）。除了具有优异的性能外，PIC算法是首个可以同时预测蛋白质在人体、人源细胞系和小鼠中的重要性评分的工具，能够为人类所有蛋白质的重要性进行综合的预测评估。在案例研究中，作者团队使用PIC算法成功预测了人类乳腺癌中的关键蛋白质靶点，并证明了其作为乳腺癌患者预后标志物的价值。最后，作者团队使用PIC算法首次为60多万个人类微蛋白（Human microproteins）的重要性进行了预测，这将为微蛋白的研究提供有力帮助。