导语： 随着基因测序技术的飞速发展，海量的蛋白质序列数据涌现，如何高效准确地预测蛋白质功能成为生物信息学领域的重要挑战。埃默里大学的研究人员近日在《Bioinformatics》上发表了一项研究，提出了一种新颖的评估方法，旨在更客观地衡量现有蛋白质功能预测工具的性能，为未来的工具开发提供借鉴。
挑战：海量数据与功能注释的瓶颈
在后基因组时代，我们面临着前所未有的数据洪流。然而，与测序速度的突飞猛进相比，对蛋白质功能的理解却显得滞后。传统的蛋白质功能注释方法主要依赖于同源性比对，即将序列相似的蛋白质的功能进行转移。然而，这种方法存在诸多局限性：
- 进化分歧： 同源基因在进化过程中可能产生不同的功能，导致错误的注释。
- 实验注释缺乏： 现有实验数据有限，且偏向特定蛋白质家族和物种，限制了功能转移的准确性。
- 本体术语局限性： 蛋白质功能的复杂性和环境依赖性难以用现有本体术语精确描述。
这些瓶颈使得计算注释的准确性大打折扣，尤其是在面对大量“孤儿”蛋白（即没有已知近缘同源物的蛋白质）时，预测结果往往不尽如人意。
新方法：基于蛋白质对的功能相似性评估
为了克服上述挑战，埃默里大学的研究人员提出了一种基于蛋白质对的评估方法。该方法的核心思想是将功能预测的挑战转化为识别功能相似的蛋白质对的任务。具体而言，研究人员构建了一个包含数千个“孤儿”蛋白的测试集，并利用现有的功能预测工具对这些蛋白进行注释。然后，他们通过比较不同工具预测的功能相似性与实际的功能相似性，来评估这些工具的性能。
评估指标与结果
研究人员设计了一系列指标来评估功能预测工具的性能，包括：
- 预测的相似性与实际的相似性： 通过计算预测的功能相似性与实际的功能相似性之间的相关性，来衡量工具的准确性。
- 不同本体的性能比较： 比较不同注释词汇表下的工具性能，了解其适用范围。
评估结果显示，即使是目前顶级的蛋白质功能预测工具，在面对“孤儿”蛋白时，其表现也略显不足。这表明，在训练深度学习模型用于蛋白质功能注释方面仍有很大的改进空间。
意义与展望
这项研究的意义在于：
- 提出了一种新颖的评估方法： 基于蛋白质对的功能相似性评估为蛋白质功能预测工具的评估提供了一种新的思路。
- 揭示了现有工具的局限性： 研究结果表明，现有工具在面对“孤儿”蛋白时仍存在诸多不足，需要进一步改进。
- 为未来的工具开发提供借鉴： 研究人员强调，未来的工作应着重于提高深度学习模型的训练效果，并开发更有效的评估技术。
研究人员表示，未来他们将致力于提高识别蛋白质“sibling”注释的召回率，并相信应用这种注释评估方法可以促进预测方法和评估技术的协同发展。尽管目前该测试集并不能完全代表功能预测问题的“真实”数据，但研究人员相信，像CAFA倡议那样使用新实验注释数据，仍然可以从基于“sibling”对的性能评估视角中获益。
参考文献：
- Functional profiling of the sequence stockpile: a protein pair-based assessment of in silico prediction tools. Bioinformatics, 2025.
（本文由资深新闻记者和编辑根据公开信息撰写，旨在传递科学知识，引发读者思考。）
Views: 2