多重序列比对多样性的光谱度量:有效长度Λ

《PLOS Computational Biology》:A spectral framework for measuring diversity in multiple sequence alignments

【字体: 大 中 小 】 时间:2026年09月24日 来源:PLOS Computational Biology 3.7

编辑推荐:

  蛋白质和RNA的机器学习(machine learning, ML)方法依赖于多重序列比对(multiple sequence alignments, MSAs)及相关数据集,如实验突变文库,但这些数据所含的可用信息量仍不清楚。本研究中,研究人员将一种光谱信息

  
蛋白质和RNA的机器学习(machine learning, ML)方法依赖于多重序列比对(multiple sequence alignments, MSAs)及相关数据集,如实验突变文库,但这些数据所含的可用信息量仍不清楚。本研究中,研究人员将一种光谱信息度量重新表述为适用于MSA的可解释量,记为Λ,其定义为重现观测序列多样性所需的完全独立比对位置数。将该度量应用于RNA MSA时,结果表明进化约束使多样性相比仅考虑二级结构时几乎减半,从而量化了碱基配对之外的功能和系统发育限制。同样的分析显示,蛋白质的有效多样性更低,反映出更紧密的堆积和共进化约束。Λ还与蛋白质结构预测准确性相关,能够预判进化信号不足的情况。当应用于实验和计算生成的文库时,Λ既能衡量产生的多样性,也能衡量文库间的重叠,从而量化新颖性而非冗余采样。综上,这些结果确立了Λ作为一种操作工具的效用,可用于估计MSA中的有效信息、预判建模困难以及指导蛋白质和RNA设计。
光谱框架下的多重序列比对多样性度量:有效长度Λ的建立与应用

现代测序与设计技术产生了海量生物序列数据,这些数据是机器学习模型推断进化约束或生成功能变体的主要输入,然而数据集规模与可用信息量并非线性对应。自然形成的多重序列比对(multiple sequence alignment, MSA)受系统发育和采样不均影响,常包含大量近缘序列;实验设计文库则围绕参考序列密集突变。现有多样性度量各有局限:位置熵忽略位点间关联,k-mer熵仅捕捉短局部模式,有效序列数依赖人为相似性阈值,平均配对距离在聚类结构下失真。因此,需要一种能够估计序列空间覆盖范围、反映全局相关约束的多样性度量。

研究人员提出光谱有效长度Λ,通过拟合概率分布并估计其覆盖的序列空间有效尺寸,将多样性表达为等效独立位点数目。该方法采用Helmert零和对比编码去除one-hot冗余,对加权协方差矩阵的特征谱计算谱熵,进而获得有效维度并转化为Λ。该度量计算高效,可处理长序列比对的典型规模,并定义了交叉有效长度以衡量不同数据集序列空间的重叠程度。

在方法验证方面,研究人员利用可控耦合参数的高斯模型生成合成MSA,发现Λ随耦合增强平滑下降,准确追踪全局变异,而位置熵和平均配对距离对约束不敏感。Λ还能从较小样本中准确恢复生成模型的真实支撑大小,证明其作为多样性度量的可靠性。

在自然RNA家族中,25个RNA MSA的Λ平均为28.18,显著低于比对长度约4.5倍;仅受二级结构约束生成的序列Λ约为天然序列的两倍,说明进化选择施加了超出碱基配对的限制。Λ与独立估计的有效支撑大小高度相关,并与RNA折叠自由能显著相关,支持其作为构象熵代理的物理解释。进一步分析发现,蛋白质MSA的有效多样性低于RNA,耦合对多样性的压缩程度约是RNA的三倍,这可能反映了蛋白质中更致密的接触网络。

在实验生成的Azoarcus核酶文库中,Λ能够清晰区分不同生成模型的多样性特征,而平均配对距离和位置熵分别因聚类效应和忽略长程约束而给出误导性结果。结合交叉有效长度与最近邻相似性,可诊断生成模型的模式坍缩和离流形采样。

在蛋白质结构预测评估中,Λ与预测准确性指标(LDDT和TM-score)呈正相关,尤其在单序列模型上关联最强,而原始序列数和有效序列数则不相关。研究人员据此提出模型特异性的Λ阈值,作为结构预测前的筛选依据。

综上所述,Λ提供了一种以序列长度为解释尺度的信息度量,能够反映MSA中的全局相关约束,可用于评估数据有效信息、预判建模困难、比较生成模型多样性,并为蛋白质和RNA设计提供指导。其局限性在于基于二阶统计量,对高阶约束的观测仍属上界估计,但作为诊断工具其方向是保守的。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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