（文章來源：孜然實驗室）
冷泉港實驗室的定量生物學家大衛(wèi)·麥坎德里斯（David McCandlish）和Zhou Juannan開發(fā)了一種具有預測能力的算法，使科學家能夠觀察到特定的基因突變如何結合在一起，從而使關鍵蛋白質在物種進化過程中發(fā)生變化。

在《自然通訊》中描述的算法稱為“最小異位顯性插值法”，可以直觀地顯示蛋白質如何進化為更高效或根本無效。他們比較了數千種蛋白質的功能，發(fā)現了突變如何導致蛋白質從一種功能形式進化為另一種形式的模式。

異位顯性（Epistasis）描述了基因突變之間的相互作用，其中一個基因的作用取決于另一個基因的存在。在許多情況下，科學家認為，當現實與他們的預測模型不一致時，基因之間的這些相互作用就會發(fā)揮作用?？紤]到這一點，麥坎德里斯在假設每個突變都很重要的前提下創(chuàng)建了這個新算法。術語“插值”描述了預測物種可能實現最佳蛋白質功能的突變的進化路徑的行為。

研究人員通過測試構成鏈球菌GB1蛋白的基因中發(fā)生的特定突變的影響，創(chuàng)建了該算法。他們之所以選擇GB1蛋白，是因為它具有復雜的結構，它將產生大量可能的突變，并可以以多種可能的方式進行組合。

麥坎德里斯說：“由于這種復雜性，該數據集的可視化變得非常重要。我們希望將數字變成一張圖片，以便我們更好地理解[數據]告訴我們的內容。”麥坎德里斯在辦公室的照片。他指的是他所謂的蛋白質GB1的可視化“進化空間”。圖片：CSHL

可視化效果就像拓撲圖。高度和顏色與蛋白質活性水平相關，圖上各點之間的距離代表突變發(fā)展到該活性水平需要多長時間。天然的GB1蛋白質具有適度的蛋白質活性水平，但可能會通過在幾個不同位置發(fā)生的一系列突變而演變?yōu)楦叩牡鞍踪|活性水平。麥坎德里斯將蛋白質的進化路徑比喻為遠足，蛋白質是試圖最有效地到達最高或最佳山峰的遠足者?；蛞韵嗤姆绞竭M化：通過突變尋求阻力最小和效率最高的途徑。

為了到達山脈中的下一個最高峰，遠足者更有可能沿著山脊線旅行，而不是一路徒步回到山谷。沿著山脊線有效地避開了另一個可能艱難的上升過程。在可視化中，山谷是藍色區(qū)域，其中突變組合導致最低水平的蛋白質活性。該算法顯示了每個可能的突變序列的最佳程度，以及一個遺傳序列突變?yōu)樵S多其他可能的序列所需的時間。在COVID-19大流行等情況下，該工具的預測能力可能特別有價值。研究人員需要知道病毒的發(fā)展過程，以便在病毒到達最危險的形式之前知道在哪里以及何時攔截它。

麥坎德里斯解釋說，該算法還可以幫助“理解病毒在進化過程中可能采取的遺傳途徑，以逃避免疫系統(tǒng)或獲得耐藥性。如果我們能夠理解可能的途徑，那么也許我們可以設計出可以阻止進化或逃避免疫的療法?！边@種預測遺傳算法還有其他潛在應用，包括藥物開發(fā)和農業(yè)。
（責任編輯：fqj）