Die Proteinentwicklung wandelt sich von einem „Versuch-und-Irrtum-Screening“ hin zu einem „computergestützten Vorscreening“. Dabei werden computergestützte Methoden eingesetzt, um die Auswirkungen von Mutationen auf die Proteinfunktion vor experimentellen Untersuchungen zu bewerten. Dies reduziert die Anzahl der Kandidaten und senkt die experimentellen Kosten. Der Mutationsraum von Proteinen ist jedoch enorm, und der Zusammenhang zwischen Struktur und Funktion ist komplex. Die Balance zwischen Vorhersageeffizienz und -genauigkeit stellt daher seit jeher eine zentrale Herausforderung in diesem Bereich dar.

Im Juli 2025 veröffentlichte die Shanghai Jiao Tong University in Zusammenarbeit mit der East China University of Science and Technology und dem Shanghai Artificial Intelligence Laboratory VenusREM, ein Vorhersagemodell für die Auswirkungen von Proteinmutationen.Der Artikel wurde auf der ISMB/ECCB 2025 veröffentlicht und von Bioinformatics indexiert.Aktuell auf Platz eins der ProteinGym-Benchmarks für Substitutionsmutationen.

Die Kernidee von VenusREM ist die „Abrufverbesserung“. Es führt einen Abrufverbesserungsmechanismus (REM) auf Basis eines Protein-Sprachmodells ein. Während der Inferenz nutzt es homologe Sequenzinformationen aus multiplen Sequenzalignments (MSA) als Referenz, um Vorwissen über Konservierung und Mutagenität aus den evolutionären Informationen homologer Proteine zu extrahieren und so die Vorhersagegenauigkeit zu verbessern.

In Bezug auf die Modellarchitektur basiert VenusREM auf dem strukturorientierten Protein-Sprachmodell ProSST, das Aminosäuresequenz- und dreidimensionale Strukturinformationen integriert, mehrere Abrufmodi wie Aminosäuresequenz, Struktursequenz oder eine Kombination aus beidem unterstützt und unter verschiedenen Datenbedingungen eine stabile Leistung gewährleisten kann.

Durch die umfassende Nutzung von Sequenz-, Struktur- und Evolutionsinformationen,VenusREM kann für das Mutanten-Screening im Protein-Engineering, die Evaluierung von Kandidatenprotokollen vor gerichteten Evolutionsexperimenten und die Analyse von krankheitsbedingten pathogenen Mutationen verwendet werden.Es hilft Forschern, potenzielle Schlüsselmutationsstellen schneller zu lokalisieren und beschleunigt die Umsetzung von computergestützten Vorhersagen in experimentelle Überprüfungen.

VenusREM hat kürzlich einen HyperAI-Tutorialbereich eingerichtet, in dem Nutzer den gesamten Prozess von der Umgebungskonfiguration und Modellbereitstellung bis hin zur Vorhersage von Mutationseffekten und der Visualisierung der Ergebnisse durchlaufen können. Nutzer können die Beispielsequenzen auch ersetzen, um das Modell direkt auf ihre eigene Zielproteinforschung anzuwenden. ⬇️

Online ausführen:

https://go.hyper.ai/tfNeL

Weitere Online-Tutorials:

https://hyper.ai/notebooks

Tutorial läuft

1. Nachdem Sie die Startseite von hyper.ai aufgerufen haben, wählen Sie die Seite „Tutorials“ aus oder klicken Sie auf „Weitere Tutorials anzeigen“, wählen Sie „VenusREM: Suchoptimierte Vorhersage der Auswirkungen von Proteinmutationen“ aus und klicken Sie auf „Dieses Tutorial ausführen“.

2. Nachdem die Seite weitergeleitet wurde, klicken Sie oben rechts auf „Klonen“, um das Tutorial in Ihren eigenen Container zu klonen.

Hinweis: Sie können die Sprache oben rechts auf der Seite ändern. Derzeit sind Chinesisch und Englisch verfügbar. Dieses Tutorial zeigt die Schritte auf Englisch.

3. Wählen Sie die Images „NVIDIA RTX 5090“ und „PyTorch“ aus und klicken Sie auf „Auftragsausführung fortsetzen“.

4. Warten Sie, bis die Ressourcen zugewiesen wurden. Sobald sich der Status auf „Wird ausgeführt“ ändert, klicken Sie auf „Arbeitsbereich öffnen“, um den Jupyter-Arbeitsbereich zu betreten.

Effektanzeige

1. Nachdem die Seite weitergeleitet wurde, klicken Sie auf die README-Datei auf der linken Seite und anschließend oben auf Ausführen.

2. Nach Abschluss des Prozesses können Sie die Vorhersageergebnisse der Mutationseffekte und die Visualisierungs-Heatmap im Tutorial einsehen. Diese zeigt Ihnen anschaulich, wie sich Aminosäuresubstitutionen an jeder Stelle auf die Proteinfunktion auswirken.