我国科研团队开发新型AI算法，实现人类蛋白质重要性的预测分析

近日，北京大学基础医学院崔庆华团队通过微调预训练的蛋白质语言模型，开发了一个基于序列的深度学习模型——蛋白质重要性计算器（Protein Importance Calculator，PIC），实现了人类蛋白必要性和重要性的综合预测和分析。相关研究成果11月27日发表于《自然》子刊《自然计算科学》。

人类必需蛋白（Human essential protein，HEP）对于个体的生存和发育必不可少。然而，鉴定HEP的实验方法往往昂贵、耗时，例如CRISPR-Cas9基因敲除实验及基因过表达实验，且这些实验方法难以推广到人类全蛋白质组。因此，亟需计算方法来快速准确预测人类全部蛋白质的重要性，但现有的计算方法只能在人源细胞系水平预测HEP，而实际上，HEP在人类、细胞系和动物模型中存在高度差异性。这便要求科研人员在设计预测算法时，不仅需要提升算法的预测精度，还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技术的快速发展，为蛋白质重要性预测提供了新思路。崔庆华团队最新研究提出的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，受试者工作特征曲线下面积（AUROC）和精确召回曲线下面积（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， 研究团队使用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，研究团队使用PIC算法首次为617462种人类微蛋白（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。