从相关突变到进化洞见:蛋白质共进化研究的范式演进与未来展望

《Journal of Molecular Evolution》:A Personal Journey Through Protein Coevolution: From Correlated Mutations to Evolutionary Insight

【字体: 大 中 小 】 时间:2026年11月21日 来源:Journal of Molecular Evolution 2.0

编辑推荐:

  蛋白质共进化(protein coevolution)研究在过去三十年间经历了显著转变,从早期对蛋白质相关突变(correlated mutations)的观察,发展到当前支撑AlphaFold等革命性工具的精密统计框架。在这篇个人视角(personal pe

蛋白质共进化(protein coevolution)研究在过去三十年间经历了显著转变,从早期对蛋白质相关突变(correlated mutations)的观察,发展到当前支撑AlphaFold等革命性工具的精密统计框架。在这篇个人视角(personal perspective)文章中,作者追溯了这一学术历程,从研究人员于1994年建立的一条将相关突变与蛋白质结构预测相连接的操作流程(operational pipeline),历经二十年的逐步改进与挫折,直至直接耦合分析(Direct Coupling Analysis, DCA)引发的范式转变(paradigm shift)及随后的深度学习革命。作者回顾了那些被忽视的基础性贡献、从功能共进化(functional coevolution)中解析系统发育信号(phylogenetic signal)的持续挑战,以及共进化原理向蛋白质-蛋白质相互作用(protein-protein interactions)的延伸。在庆祝结构预测方法取得巨大成功的同时,作者主张共进化分析仍然至关重要,并非因为其预测接触(contacts)的能力优于AlphaFold,而是因为它为理解编码于序列变异中、与蛋白质结构、折叠及功能相关的进化逻辑(evolutionary logic)提供了独特窗口。展望未来,作者确定了共进化与结构生物信息学(structural bioinformatics)关键领域之间关系的重要未解问题。这一叙述不可避免地经由作者个人视角过滤,旨在通过捕捉驱动该领域三十年的学术激情、挫折与持久好奇心,以补充系统性综述(systematic reviews)。
**The Intellectual Landscape Before 1994**

作者回溯了二十世纪九十年代初期的早期研究,彼时Altschuh与Korber等学者的开创性工作首次揭示了病毒蛋白质中远距离残基之间看似存在的共进化现象。当时领域内已流传着“协变子”(covarions)与补偿性变化(compensatory changes)的概念,这些理论暗示进化可能通过协调突变来维持蛋白质的稳定性。然而,作者指出,尽管这些想法令人振奋,早期研究者与同事们的讨论揭示了一个根本性的缺失:当时缺乏任何稳健的框架,能够超越轶事证据的层面,将这些有趣的观察转化为可检验的科学假设。

**1994: The Year Everything Changed**

1994年,多个研究小组以不同的统计学视角独立收敛于相似的核心洞见。彼时,在EMBL的Chris Sander研究组中,距离几何(distance geometry)正被用于将实验数据转化为蛋白质结构,这一新方法促使作者团队提出一个关键问题:这些结构约束能否直接从序列数据中推导出来?该团队的工作实现了两种潮流的融合:协变位置检测与蛋白质结构预测。其方法的核心特征在于刻意建立了明确的、可操作的流程(operational pipeline):首先构建大规模且多样化的多序列比对(multiple sequence alignment, MSA),随后预测可能作为结构约束的残基对并赋予相应的置信度估计。血红蛋白等经过充分研究的范例表明,高协变位点在真实三维结构中确实空间邻近。这一刻意努力将定性的进化预期转化为结构生物学实用计算工具的雏形,直接开启了共进化接触预测的现代纪元。耐人寻味的是,数年后诺贝尔奖官方文件对AlphaFold原理的阐释采用了与此高度相似的范式框架。

**The Era of Refinement and Frustration**

随后的二十年间,领域进展主要依赖于对各环节缓慢而渐进的改进:构建更优的比对、扩大测试蛋白质集合、开发具有更低噪声的接触预测算法,以及能够选择满足约束姿态的折叠方法。基于局部统计、互信息(mutual information)、归一化协方差等方法大量涌现,但所有方法都共享着最初即已遭遇的根本局限:未能校正系统发育关系,将序列错误地视为独立观测;仅考虑两两关系而忽略折叠与稳定性的全局属性;因而无法排除间接相关性对两两观测的干扰。CASP盲测提供了清醒的现实检验,结果显示方法在长距离接触等关键预测上表现不佳,这种认知上的谦逊并未阻止领域前行;值得注意的是,CASP组织方及更广泛的社区长期支持接触预测类别,这一支持或许对后续新方法的涌现产生了深远影响。

在此期间,Lockless与Ranganathan提出的统计耦合分析(Statistical Coupling Analysis, SCA)代表了一项尤为优雅的进展。该方法并非测量原始相关性,而是考察一位点的扰动如何影响其他位点的保守性模式,引入了“统计耦合能”(statistical coupling energy)的概念,将研究重心从简单接触预测拓展至功能架构的理解。他们进而提出共进化残基可形成参与变构(allostery)的功能“扇区”(sectors),后续实验工作亦试图展示保守性模式与两两共进化在蛋白质功能研究中的应用。然而遗憾的是,该计算方法始终未被系统应用,且在无意中混淆了结构与功能的预测。

**The Paradigm Shift We Were Hoping For**

最大熵方法的数学核心——求解逆Potts模型以分离直接与间接相关性——实际上早在1990年代末即由Lapedes等学者形式化。该工作涉及与领先生物信息学家的合作,并涉及蛋白质二级结构预测与经验蛋白质势函数的研究。然而,受限于发表载体、问题框架以及当时尚不充分的序列比对深度,这一后来被视为包含去除传递性相关性关键数学洞见的工作,长期未被蛋白质结构预测领域重视。

直接耦合分析(Direct Coupling Analysis, DCA)在2011年迎来期盼已久的范式转变,其灵感源自Weigt等将信念传播(belief propagation)方法应用于细菌双组分系统(bacterial two-component systems)的研究。DCA将完整的蛋白质家族建模为具备位点场(sitewise fields)与两两耦合(pairwise couplings)的全局统计系统,即Potts模型,从而实现了直接与间接残基依赖的分离。同年,Marks等证明这些进化耦合能够生成正确三维折叠,最终兑现了自1994年以来一直 elusive 的承诺。此后,基于伪似然(pseudolikelihood)的推断方法显著提升了准确性与可扩展性。DCA已被用于指导深度突变扫描(Deep Mutational Scanning, DMS)实验,通过Potts模型耦合选择强相互作用位点,构建预期产生较大适合度变化或揭示非线性上位性(epistasis)的双突变及高阶突变体文库。

AlphaFold2(AF2)在2020年CASP14中的成功进一步推动了领域发展。AF2通过Evoformer模块处理MSA,利用注意力机制学习类似于全局统计模型中耦合的两两依赖。然而,AF2的架构在根本意义上不同于DCA:它并非显式计算Potts模型,而是将MSA模式、序列模板、几何约束、结构监督与系统发育信号整合于单一的端到端可微架构中;共进化信号仅是众多组件之一,且注意力机制学习加权这些信号的方式无法被直接解读为统计耦合。RoseTTAFold作为三轨神经网络,以及AlphaFold3采用的精简Pairformer架构,进一步拓展了多组分复合物的预测能力。值得指出的是,Cremers团队于2016年即已发表将原始共进化统计直接输入卷积神经网络(convolutional neural network, CNN)进行结构预测的工作,其思路与AlphaFold的发展存在概念上的连续性。

尽管结构预测成就卓著,现实检验表明,目前仅约40%的人类蛋白质家族拥有可靠计算的三维结构,对于膜蛋白、大复合物及构象动态系统的覆盖尤其不完整。作者强调,共进化分析的持久价值不在于超越AlphaFold的接触预测能力,而在于其提供了独特的窗口,以理解编码于序列变异中、与蛋白质结构、折叠及功能相关的进化逻辑(evolutionary logic)。相较于结构,从序列预测功能本质上是更为艰巨的挑战,因为功能并非单一、明确的属性,而是涵盖结合特异性、催化活性、变构调节及细胞环境的动态关系;共进化信号虽更为弥散且依赖于情境,却蕴含了关于这些功能性约束的丰富信息。

**The Persistent Problem of Phylogenetic Signal**

贯穿作者研究历程的持续教训是:进化的历史始终干扰着对共进化信号的计算。文中以系统发育树为例说明了三类根本不同的情境:保守残基、仅在亚家族中保守的系统发育决定簇或特异性决定残基(tree determinants/Specificity Determinant Residues, SDPs),以及彼此关联但无直接系统发育关联的突变残基对(对应经典定义的相关突变与后续关联的耦合)。作者主张,相关突变与系统发育决定簇位置最终对应着不同的情形,具有不同的生物学意涵。

“干净”方法倾向于将MSA中的序列视为独立观测,而现实中序列由共同进化历史相连,其差异反映着漂移与选择的复杂过程。DCA通过全局统计模型(Potts模型)缓解传递性效应,但无法完全消除系统发育噪声,其效能强烈依赖MSA深度与系统发育多样性。与之形成对比的是AlphaFold的解决方案:深度神经网络通过模式识别隐式学习哪些协变模式可靠指示物理邻近,无需显式建模系统发育校正。AlphaFold的深度学习架构与注意力机制学习识别并加权进化信号,隐式降低与蛋白质家族进化历史一致模式的权重,实现了研究人员以简单直接方法(如从MSA中去除系统发育信号富集位点)未能达成的平衡。

从历史维度看,将神经网络应用于蛋白质二级结构预测可追溯至1988年;作者团队亦率先尝试利用神经网络预测接触,但受限于训练数据不足与单层网络无法捕捉稀疏长距离相互作用。近期基于transformers的编码器/解码器深度神经网络在蛋白质结构预测与设计中展现出的灵活性,其内部存储的关键相互作用信息与DCA计算的共进化耦合(coevolutionary couplings)高度相似。

然而,作者团队采取了相反路径:不致力于消除系统发育信号,而是直接检测其存在,并将其与功能特异性分歧相关联。经典范例为Ras蛋白家族,其不同亚家族(Ras、Rho、Rab等)的特异性决定残基(SDPs)与配体结合口袋及界面的富集模式相关。类似强共进化信号亦见于毒素-抗毒素对、细菌双组分系统及PCNA系统,其结构压力与其他家族相当,但功能压力更强以避免旁系同源竞争。实验研究如CPT I的Met593位点突变验证了SDP在变构调节中的关键作用;Weigt等亦利用DCA类方法探究β-内酰胺酶突变意义。此外,Lichtarge等学者独立发展了旨在捕捉功能位点特异的进化方法。

**Protein-Protein Interactions: a Not So Different Kind of Evolutionary Dialogue**

二十世纪末,随着高通量相互作用检测技术的成熟,共进化研究的焦点自然延伸至蛋白质-蛋白质相互作用(protein-protein interactions)领域,此处的进化对话发生在分子之间而非分子内部。共进化方法在此主要解决两类问题:预测两个蛋白质间的相互作用模式(与蛋白质对接相关),以及在全基因组尺度预测相互作用伙伴。

在相互作用模式预测方面,研究者通过连接两个蛋白质的MSA并比对同一物种序列来利用接触信息,进一步将其扩展至潜在对接姿态的选择。在全基因组相互作用伙伴预测方面,in silico two-hybrid方法分析全基因组蛋白质序列间的共进化并校正系统发育;MirrorTree方法则通过关联蛋白质家族的系统发育树进行预测,后续发展出基于基因组范围共进化网络中偏相关技术的改进策略,以提高特异性。

作者团队通过偏相关技术精炼MirrorTree,构建全基因组系统发育树相似性矩阵,利用全基因组共进化网络中的偏相关分离真实相互作用信号与系统发育信号。该在大肠杆菌基因组中的预测准确性(经整理的复合物AUROC > 0.9)与高通量实验相当,被视为DCA之前数年解决间接相关问题的首次严肃尝试。实验验证见于趋化因子受体及细胞分裂蛋白研究,证实所捕获的是具有生物学意义的信号。

后续DCA应用于成对MSA以及AlphaFold-Multimer等方法预测详细界面几何;AlphaFold通过匹配同一有机体内相互作用伙伴的同源序列构建配对MSA,以确保捕获链间由界面直接进化约束产生的协变信号。DCA在螺旋跨膜蛋白(如G蛋白偶联受体二聚体、转运蛋白亚基)及组氨酸激酶对中尤为成功,Uguzzoni等系统评估了约2000个Pfam家族。

在基因复制(paralog)与功能分歧背景下,“旁系同源匹配问题”(paralog matching problem)要求识别跨物种特异性相互作用成员。Gueudré等通过最大化家族间协变,利用DCA联合候选配对推断特异性相互作用及相应残基级接触,实现了伙伴预测与结构界面建模的同步。尽管AlphaFold3等方法已内在处理该问题,作者认为这仍是一个根本且尚未完全解决的科学问题:所有旁系同源是否都相互作用?能否区分特异性配对?

最后,作者强调从DCA、Rosetta方法到AlphaFold,所有成功的序列到结构预测方法都关键依赖于深度且多样的MSA。近期蛋白质语言模型(protein language models, pLMs)如ESMFold与OmegaFold在单序列上展现性能,但对多数蛋白质而言准确性仍不及基于MSA的方法;其模式学习依赖于庞大序列数据库,隐式编码了共进化信息。进化记录而非单链的物理化学,持续为高精度预测提供主要约束,这一原则自1994年至今未变。

**Looking Forward: Unanswered Questions That Keep Me Engaged**

尽管结构预测技术已取得 spectacular 成功,作者仍被一系列基础科学问题所驱动:

其一,共进化方法检测到的序列约束与蛋白质折叠及稳定性所施加的约束之间究竟存在何种关系?近期关于共进化与局部能量frustration(energetic frustration)的分析为该方向提供了桥梁,连接了功能、结构、进化统计与生物物理现实;结构约束进化模型亦明确将蛋白质三维架构与进化轨迹相联系。

其二,共进化原理在不同蛋白质家族中的普适性如何?作者推测不同的进化历史与功能约束可能造就了家族特异的共进化“方言”(dialects),而领域长期将所有球状蛋白视为等同。

其三,共进化能揭示蛋白质动态(dynamics)的何种信息?多数方法假设静态结构,但蛋白质功能依赖运动;DCA耦合已被整合至基于结构的模型以恢复多构象状态,提示共进化信号不仅编码天然态接触,亦包含替代功能态的独特相互作用。

其四,共进化网络在进化历程中如何演变?目前多分析当前多样性快照,能否重建约束网络的涌现与变化?

其五,不同生物尺度(域内、域间、蛋白质间)的共进化如何相互影响?

其六,系统发育空间的欠采样(undersampling)持续挑战所有共进化方法。能否通过构建不受功能或进化关系约束的合成序列大型蛋白质家族来应对此限?

作者总结认为,共进化分析已从1994年的 modest 相关突变发展为成熟学科,为理解蛋白质结构与功能奠定了公认基础。其真正潜力在于作为一扇窗口,解码进化过程在接触图、功能扇区或相互作用网络中留下的 signatures,从而更完整地理解序列、结构与功能如何共存与共同进化。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号