基于循环神经网络预测蛋白质赖氨酸糖基化修饰：理化特性与微环境影响解析

　　本综述系统探讨了利用循环神经网络（RNN）预测蛋白质赖氨酸糖基化（Glycation）的创新方法。研究通过分析八种氨基酸理化特性（如等电点IEP、质量、扭转角ToA等），揭示了微环境对糖化位点的影响，为糖尿病、衰老等相关疾病中晚期糖基化终末产物（AGEs）的形成机制提供了新的计算生物学视角。

　　

引言：蛋白质糖基化修饰的复杂景观

蛋白质由20种标准氨基酸及少数特殊氨基酸（如硒半胱氨酸和吡咯赖氨酸）构成，其序列多样性及翻译后修饰（PTM）为细胞功能调控提供了多层机制。糖基化（Glycation）区别于酶促糖基化（Glycosylation），是一种非酶促过程，涉及糖类（如葡萄糖、果糖）及其衍生物（如甲基乙二醛MGO）与生物分子（如核酸、脂质、蛋白质）的氨基反应。晚期糖基化终末产物（AGEs）的形成通常对靶分子功能产生不可逆损害。赖氨酸和精氨酸是蛋白质中AGE形成的主要靶点，尤其是高反应性化合物MGO，其在糖尿病、动脉粥样硬化、神经退行性疾病和癌症等病理状态下累积，挑战细胞存活。

尽管大量研究关注MGO与特定氨基酸的结合，但尚未发现明确的共识序列来可靠预测潜在糖基化位点。近年来的研究表明，氨基酸微环境（如侧翼氨基酸的理化特性）在决定糖化是否发生中起关键作用。本研究利用CPLM 4.0数据库的精选版本，通过循环神经网络（RNN）策略对赖氨酸糖基化进行分类，以探究八种理化特性中哪些对糖化影响更大。

材料与方法：实验设计与RNN架构

研究采用CPLM数据库及其衍生的智人蛋白质序列数据集，通过CD-HIT去除冗余（30%截断值），获得6830条肽段，每条包含31个氨基酸且中心为赖氨酸残基（标记为糖化或非糖化）。数据集分为训练集（4830条）、验证集（1000条）和测试集（1000条），并进行10折交叉验证。

氨基酸的符号表示被替换为八种理化特性的数值：序列结构（SoA）、亲水性（Hyd）、质量、疏水性（Hyp）、极化性（Pol）、范德华体积（vdW）、扭转角（ToA）和等电点（IEP）。每个肽段生成八组31维数值向量，输入RNN模型。RNN采用长短期记忆（LSTM）架构，包含输入层、隐藏层（64和32个LSTM单元，带Dropout层）和输出层（2个神经元，表示糖化概率）。训练使用稀疏分类交叉熵损失函数和ADAM优化器，通过早停算法防止过拟合。

研究定义了三种案例进行分析：

• •

  案例1：单独测试每种理化特性（输入矩阵31×2）；

• •

  案例2：组合两种特性（共28种组合，输入31×2）；

• •

  案例3：整合所有八种特性（输入31×8）。

  性能通过准确率（Acc）、精确率（Pre）、灵敏度（Sen）、特异性（Spe）、马修斯相关系数（MCC）和ROC曲线评估。

结果：理化特性对糖化预测的影响

案例1中，等电点（IEP）表现出最佳性能，准确率达59.6%，精确率58.4%，特异性55.3%。质量特性在MCC上最高（0.196），而扭转角（ToA）的灵敏度达83.5%。序列结构（SoA）和疏水性（Hyp）组合准确率最低（57.6%），表明某些特性单独作用有限。

案例2中，质量与扭转角组合（Mass + ToA）准确率最高（59.9%），精确率58.3%。等电点、序列结构和疏水性在多个组合中表现突出，但整体提升幅度较小（约0.3%），提示双特性组合虽略优，但未显著超越最佳单特性。

案例3使用全部八种特性，准确率略降至59.4%，其他指标与案例1和2相近。这表明增加特性数量并未显著提升性能，反而增加计算复杂度。ROC曲线分析显示，IEP及Mass + ToA组合的AUC值均高于随机分类，证实模型的有效性。

讨论：微环境特性与糖化机制

本研究通过RNN框架揭示了氨基酸微环境的理化特性在赖氨酸糖化中的关键作用。等电点（IEP）和质量被确定为最影响糖化的特性，可能与电荷分布和分子空间构象相关。这与精氨酸糖化研究（如Sjoblom等人工作）形成对比，后者中IEP作用较弱，说明糖化机制因靶氨基酸而异。

与其他机器学习方法（如Glypre、PredGly、BERT-Kgly）相比，本研究未采用特征提取算法（如氨基酸组成或K近邻），而是直接利用理化数值，避免了潜在偏差。然而，数据库局限性（如MS检测覆盖不全、膜蛋白低代表性）及生物样本偏差（以人类和小鼠为主）可能影响模型泛化能力。此外，糖化非二元过程，受MGO浓度、半衰期和局部结构影响，当前模型未涵盖这些动态因素。

结论与展望

本研究证实了循环神经网络在预测赖氨酸糖化位点中的实用性，并强调氨基酸微环境理化特性（尤其是IEP和质量）的核心角色。尽管准确率约60%，模型为缩小实验验证靶点提供了计算工具。未来需整合定量糖化数据（如修饰百分比）和结构背景参数，以提升预测可靠性。跨实验室标准化检测方法将是推动该领域发展的关键。

伦理与利益冲突

作者声明无利益冲突。本研究预印本已提前发布，所有作者阅读并同意稿件内容。

资助与贡献

本研究得到墨西哥国家科学技术理事会（CONAHCyT）支持（项目编号I1200/224/2021）。贡献包括：概念设计（U.Q.-S., D.M.-P., C.Q.S.）、形式分析（U.Q.-S., D.M.-P.）、调查（多作者共同完成）、项目管理（A.D.R.-F., C.Q.S.）、监督（C.Q.S.）及稿件撰写与编辑（全体作者）。