数据集构建与系统发育分析
建立已知产物结构的KS-CLF参考数据集并重建其系统发育关系。
从生物合成基因簇中整理166对全长、非冗余（<90%一致性）且产物结构明确的细菌KS-CLF序列，加入金黄色葡萄球菌FabF作为外群，用CLUSTALW进行多序列比对，IQ-TREE构建最大似然树。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
细菌芳香族聚酮酮基合酶的进化过程
The evolutionary processes of bacterial aromatic polyketide ketosynthases
实验完整度
低文献为计算进化分析，无湿实验验证；基于166对序列的PLM嵌入、系统发育和功能预测。
主要模型
166对细菌KS-CLF蛋白序列 金黄色葡萄球菌FabF外群序列
重点核对
数据集包含166对细菌KS-CLF蛋白，对应聚酮产物结构已知 序列冗余度>90%被排除，仅保留全长非冗余序列 系统发育树使用IQ-TREE的LG+F+R8模型构建 ESM-2嵌入降维使用UMAP，PCA保留220个主成分 Cluster A包含22个序列（FabF、7个CLF节点、14个KS节点）
摘要
背景：细菌芳香族聚酮（II型聚酮，T2PKs）的生物合成使用一组单一的催化剂（酮基合酶，KSs或KSα，以及链长因子，CLFs或KSβ），并以精确的链长控制迭代组装碳骨架。考虑到实验室环境中发现的T2PKs数量不断增加，有必要了解KSs和CLFs的进化轨迹。结果：我们采用最近开发的基于大型蛋白质语言模型的算法MAAPE，深入探究KSs和CLFs的进化过程。我们的发现揭示了细菌T2PKSs中KS和CLF结构域的进化历史，并鉴定出一个共享的祖先簇（Cluster A），支持共同起源。尽管结构同源，KSs和CLFs遵循不同的进化路径，受共进化和早期水平基因转移的影响。结论：理解这些酶的进化谱系将阐明其功能的自然优化过程，并为合理设计具有增强功效的新型聚酮提供机会。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 细菌T2PKSs中KS和CLF结构域的进化关系如何，它们是否共享共同祖先并经历共进化？
- 核心机制
- KSs和CLFs源自共同祖先（Cluster A），随后分化为独立谱系；CLFs在早期保留KS样功能，后经功能分化产生多样性，水平基因转移和共进化塑造了KS/CLF多态性。
- 主要证据
- 基于166对KS-CLF序列的ESM-2嵌入和MAAPE网络分析鉴定出祖先簇Cluster A；DeepFRI功能预测显示CLF_0和CLF_4与KS功能相似；KS/CLF距离比均值1.0082支持共进化；共现矩阵提示HGT在早期进化中作用显著。
- 研究意义
- 理解这些酶的进化谱系可揭示其功能的自然优化过程，为合理设计具有增强功效的新型聚酮提供机会，并有助于酶工程和PKS装配线操作。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
蛋白质语言模型嵌入与降维可视化
利用ESM-2提取序列特征并可视化KS/CLF的聚类模式。
使用预训练ESM2_t36_3B_UR50D模型提取最终隐藏层2560维嵌入，L2归一化后用UMAP降至三维，并用PCA初步降维至220个主成分。
MAAPE网络构建与祖先推断
基于嵌入构建相似性网络并推断进化方向及祖先根位置。
基于欧氏距离构建KNN图，采用滑动窗口分割嵌入片段计算共现矩阵，整合边权重和方向信息，通过扩散分析预测根节点并鉴定Cluster A。
DeepFRI功能预测与相似性分析
预测KS/CLF的分子功能并量化功能相似性以解释聚类异常。
对166对序列用DeepFRI预测GO分子功能条目及概率，构建one-hot功能向量，计算余弦相似度并聚类热图。
共进化与HGT信号分析
评估KS/CLF的共进化关系及水平基因转移在进化中的作用。
计算各KS-CLF对到祖先节点A的距离比，分析共现矩阵中有向边的权重差异，鉴定HGT和基因模块转移事件。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
序列比对与系统发育分析
蛋白质语言模型嵌入与降维
结构预测与比较
功能预测与相似性分析
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 系统发育分析 | CLUSTALW | -- | -- |
| IQ-TREE | -- | -- | |
| 树可视化 | 生命交互树 | -- | -- |
| 结构预测 | AlphaFold蛋白质结构数据库服务器 | -- | -- |
| 结构比对 | PyMOL | Schrödinger LLC | Version 2.0 |
| 蛋白质语言模型嵌入 | ESM2_t36_3B_UR50D | Meta AI | -- |
| 相似性网络构建 | Faiss库（IndexFlatL2） | -- | -- |
| 功能预测 | DeepFRI | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据集构建 | 序列数量166对、产物结构已知、全长非冗余、一致性<90%、排除注释不完整或结构域模糊的簇 阅读提示：Results 'Discrepancy between general phylogenetics and PLM embeddings'第一段及Additional file 1: Table S1 |
| 系统发育树构建 | 比对工具CLUSTALW、IQ-TREE替换模型LG+F+R8、外群金黄色葡萄球菌FabF 阅读提示：Methods 'Data collection and phylogenetic analysis'及Fig. 1a图注 |
| ESM-2嵌入与降维 | 模型ESM2_t36_3B_UR50D、嵌入维度2560、L2归一化、PCA保留220个主成分（>60%方差）、UMAP降至三维 阅读提示：Methods 'Protein language model embedding' |
| MAAPE网络分析 | KNN图基于欧氏距离、Faiss IndexFlatL2、滑动窗口片段分割、扩散分析预测根节点、共现矩阵权重前1%的边 阅读提示：Methods 'MAAPE analysis'及Fig. 2、Fig. 4图注 |
| DeepFRI功能预测 | DeepFRI版本、GO分子功能输出、one-hot向量化、余弦相似度计算、聚类基于MAAPE输出关系 阅读提示：Methods 'Functional prediction'及Fig. 3图注 |