来源：Protein Sci | 编译：DNA Lab Space
蛋白质工程领域迎来了一位新成员——SPASE（Soluble Protein Analog Selection Engine）。这个自动化网络服务器将ProteinMPNN序列设计与多种生物物理性质预测工具整合为一条流水线，专门解决深度学习设计产物溶解性和聚集倾向不佳的痛点。平台免费开放，访问入口为https://proteinengineering.ca/。
研究背景
设计具有理想生物物理性质的蛋白质，尤其是高溶解性和低聚集倾向，对生物技术和生物医学应用至关重要。溶解性差的蛋白质难以表达纯化，聚集倾向高的蛋白质则可能在储存、运输或体内应用中失效。这些问题长期困扰着蛋白质工程研究者。
深度学习方法的兴起为蛋白质序列设计带来了新可能。ProteinMPNN作为其中的代表，在蛋白质序列设计领域表现出色，能够根据给定的蛋白质骨架结构反向设计氨基酸序列。然而，直接输出的序列并不总能同时具备最优的溶解性和聚集特性。换句话说，序列设计成功了，但产物的"可制造性"和"稳定性"可能不过关。
一个自然的解决方案是：在设计之后增加一轮筛选。SPASE正是基于这一思路构建的——它不取代ProteinMPNN，而是为ProteinMPNN的输出加装了一道质量关卡。该工作由Larda ST、Paré A和Doucet N完成，发表于《Protein Science》期刊。
研究方法
SPASE的工作流程由多个计算工具串联而成，每个环节承担特定任务。整个流程从用户提交的蛋白质结构文件（PDB文件）开始，到输出经过筛选的候选变体列表结束。
结构标准化。 提交的蛋白质结构首先经过PDBFixer处理。这一步骤的作用是替换非标准残基为标准残基、补充缺失残基、添加缺失氢原子——氢原子的添加基于pH 7.4条件下的质子化状态。处理后的结构文件被转换为适合下游ProteinMPNN序列设计的输入格式。原文摘要未详述PDBFixer的具体参数设置。
序列库生成。 标准化后的结构被送入ProteinMPNN的可溶性模型（soluble model），生成包含10,000个多样化蛋白质序列变体的候选库。这一数量级保证了序列多样性，为后续筛选提供了足够的搜索空间。用户还可以在设计中指定需要保守的特定残基，确保关键结构位点或功能位点不被改变。这一功能对保持蛋白质原有功能至关重要——盲目全序列重设计很可能破坏活性中心。
溶解性预测。 每个生成的变体随后经过Protein-Sol工具进行溶解性预测。Protein-Sol分析35种基于序列的特征，并将这些特征与实验验证的溶解性数据进行相关性分析，从而识别具有增强溶解性的序列。这一步骤相当于给每个候选序列打了一个"溶解性预估分"。
结构预测。 ESMFold——当前最先进的结构预测工具之一——被用于仅从氨基酸序列预测蛋白质变体的三维坐标。这一步的产出是后续筛选所必需的：没有结构信息，聚集倾向预测便无从谈起。
折叠置信度评估。 预测结构使用pLDDT（predicted local distance difference test）分数进行评估。pLDDT是AlphaFold系列中常用的置信度指标，数值越高代表该区域的预测结构越可信。SPASE利用这一分数估算每个变体的折叠置信度。
聚集倾向预测。 流程的最后一步由Aggrescan3D完成。该工具基于蛋白质三维结构预测聚集倾向，识别聚集倾向氨基酸的簇。聚集倾向高的变体在这一环节会被扣分或淘汰。
综合评分与筛选。 所有变体根据预测溶解性、聚集倾向和折叠置信度三个维度进行综合评分。最终输出的候选列表是这三个指标的综合优化结果，而非单一指标的极端值。
原文摘要未详述各工具的具体运行参数（如Protein-Sol的阈值设定、Aggrescan3D的窗口大小、pLDDT的截断分数等），也未说明综合评分的加权方式。这些细节可能涉及平台的商业或知识产权考量，也可能因版本更新而变化。
研究结果
SPASE的核心结果来自计算基准测试（computational benchmarking）。研究团队将SPASE的筛选输出与可溶性ProteinMPNN的平均输出进行了对比。
基准测试表明，SPASE富集了具有更高预测溶解性和更低预测聚集倾向的蛋白质变体。这意味着，经过SPASE筛选的候选池，其整体质量优于ProteinMPNN直接输出的平均水平。原文摘要未提供具体的富集倍数、分数提升幅度或变体数量等定量数据。
这一结果的意义在于：SPASE并非简单地"生成"更好的序列，而是通过多维度打分将已有的序列空间重新排序，把更有可能成功表达和保持稳定的候选推到前列。对于下游实验筛选而言，这意味着可以用更少的实验次数覆盖更高质量的设计空间。
研究团队也坦诚讨论了工作流程的优势与局限。挑战之一与蛋白质新颖性有关——深度学习模型生成的序列可能偏离天然序列空间，这会影响溶解性预测和聚集倾向评估的准确性。毕竟，Protein-Sol和Aggrescan3D的训练数据来自已知蛋白质，面对全新序列时，预测的置信度可能下降。
另一个挑战涉及溶解性预测和聚集评估本身的精度。这些计算工具提供的是预测值而非实验测量值，预测误差会传导到最终评分中。SPASE的价值不在于消除这些误差，而在于将多种预测工具的误差来源整合在一起，通过多指标交叉筛选降低单一工具误判的风险。
讨论与展望
SPASE的定位很明确：一个实用、可及的计算平台，用于在实验评估之前对蛋白质工程候选进行优先级排序。它不替代实验验证，而是让实验资源用在更有希望成功的候选上。
从工作流程设计来看，SPASE选择了"先设计、再筛选"的路线，而非端到端的生成式模型。这种模块化架构有一个好处：每个环节都可以独立更新。ProteinMPNN、ESMFold、Aggrescan3D等工具各自迭代升级时，SPASE只需替换对应模块即可整体受益。
平台以网页服务器形式公开部署，降低了使用门槛。研究者只需提供PDB文件，无需本地配置深度学习环境，即可完成从序列设计到多性质评估的全流程。这种可及性对中小实验室尤其有价值。
一个值得关注的方向是SPASE与其他蛋白质设计工具的组合使用。比如，将SPASE的输出作为起始点，再进行定点突变或定向进化，可能进一步优化候选的理化性质。原文摘要未提及此类延伸应用，但这符合模块化设计工具的通用使用逻辑。
参考来源
Larda ST, Paré A, Doucet N. Soluble protein analog selection engine (SPASE): An automated computational server to improve protein engineering workflows. Protein Science, 2025. PMID: 42560022.
PMID: 42560022