华东理工大学生物反应器工程全国重点实验室教授王启要团队，开发了人工智能赋能的蛋白质功能预测新方法，利用蛋白质语言模型进行效应蛋白预测鉴定，为病原菌毒力因子的大规模挖掘提供了技术平台，推动了病原菌效应蛋白的功能鉴定，为复杂的病原菌效应蛋白-宿主免疫互作机制网络的解析奠定了技术基础。相关研究近日发表于《自然-通讯》。

效应蛋白是一类由细菌病原微生物分泌到环境以及宿主细胞内的关键毒力蛋白，可以通过干扰宿主免疫信号通路、调控细胞代谢、协助摄取营养等方式促进病原菌感染。鉴定效应蛋白以及进行其分子机制研究对解析病原菌-宿主免疫互作机制和抗感染药物靶点开发具有重要意义。然而，许多效应蛋白在功能和蛋白质序列特征上具有多样性，使得基于序列保守性的预测方法较难有效预测未知效应物，而基于实验的筛选方法则存在着通量低和时间成本高等问题。

在前期研究基础上，研究团队结合预训练蛋白质语言模型和对比学习技术，构造了名为CLEF的神经网络模型。该模型能够将语言模型对蛋白质序列编码与其他的生物学特征对齐，在现有模型基础上有效提升神经网络对效应蛋白的预测性能。利用该模型，研究团队成功对杀鱼爱德华氏菌中潜在的未知效应蛋白进行预测，并通过实验鉴定得到12个新型III型分泌系统效应蛋白和11个VI型分泌系统效应蛋白。

CLEF的对比学习流程和神经网络架构。图片由研究团队提供

  ?

相关论文信息：https://doi.org/10.1038/s41467-025-56526-1