新闻资讯

Mol Plant项目文章 | 如何预测修饰位点?河南农业大学团队开发 PlantPTM,解锁植物修饰研究“预言家”

2026-09-21
中科新生命多组学服务
11
图片
图片

 

图片

 

翻译后修饰(PTM)可协调蛋白质功能以维持代谢稳态,可促进植物对动态环境的适应并调控多种细胞过程。因此,识别PTM对阐明植物生长、发育和应激反应的机制至关重要。

如何在研究前期高性价比预测植物中可靠的修饰位点?2026年8月,我司合作客户河南农业大学陈震副教授、豆根生副教授、李俊周教授研究团队在《Molecular Plant》(IF32.7)上发表题为“PlantPTM: A deep learning framework integrating protein language models with multi-view features for predicting diverse post-translational modification sites in plants”的研究性论文。该研究构建了植物特异、支持9种翻译后修饰类型(N-糖基化、S-酰化、2-羟基异丁酰化、巴豆酰化、琥珀酰化、丙二酰化、乙酰化、泛素化、磷酸化)和6种植物(拟南芥、水稻、玉米、小麦、大豆、番茄)的深度学习预测框架,以实现翻译后修饰类型的高精度预测,为大规模植物功能蛋白质组学研究与作物分子育种提供修饰类型预测平台(PlantPTM)。中科新生命为该研究提供了乙酰化和泛素化修饰蛋白质组检测服务。

图片

 

图片

 

 

Main Research Findings

主要研究成果

研究团队整合CPLM、EPSD 2.0、PhosPhAt 4.0、Plant PTM Viewer、qPTMplants等数据库及文献中的211,535个蛋白上的657,623个PTM位点,经30%序列相似性去冗余后建模。

PlantPTM由三个主要部分构成:多编码器模块、特征融合模块和预测解码器模块(图1A)。其中多编码器模块包含四条并行通道(卷积神经网络捕获局部序列模式;双向门控循环单元建模长程依赖关系;反映隐含进化信息的PLM编码器;手工设计特征的特征编码器)。经注意力的特征融合和后预测解码器模块输出 PTM 位点预测得分。

图片

图1 PlantPTM基本工作框架

 

测试阶段,研究团队将PlantPTM与25种现有方法进行比较,发现PlantPTM在9种PTM类型上均优于现有工具,实现AUROC 提升 3.17%–24.78%,AUPRC 提升 10.24%–34.01%,并具有较好的跨物种泛化能力。留一物种交叉验证显示,即使完全排除拟南芥或水稻等数据丰富物种参与训练,模型在未见物种上的AUROC仍稳定在0.8以上。

使用t-SNE对独立测试样本进行特征可视化和CNN基序分析,PlantPTM在预测性能和识别生物学上合理的PTM相关基序上性能佳。

图片

图2 PlantPTM 与现有 PTM 方法的性能比较

 

对于每个预测位点,输出表格提供蛋白质名称、PTM类型、位置、修饰残基、侧翼肽段序列、预测得分、置信水平及相应阈值。预测的PTM会映射到蛋白质序列上,并根据特异性(Sp)按五个置信水平进行颜色编码:极高(Sp ≥ 95%)、高(95% > Sp ≥ 90%)、中(90% > Sp ≥ 85%)、低(85% > Sp ≥ 80%)和非 PTM(Sp < 80%)。用户可通过置信水平优先考虑候选PTM。

图片

图3 PlantPTM网站及预测结果展示

 

最后研究团队在三种代表性植物(水稻、小麦、拟南芥)蛋白和质谱中验证PlantPTM的预测效果。PlantPTM可重现已经报道的PTM还可对额外候选修饰进行优先级排序以用于未来实验验证。

图片

图4 使用代表性植物蛋白进行概念验证分析

 

在独立质谱验证过程中,对抽穗期水稻组织样本进行泛素化、乙酰化和N-糖基化检测,分别获得3086条、1155条和152条修饰肽段。在这三种 PTM 中,分别有 25.67%、17.96% 和2.31%的蛋白质含有多个修饰位点。将质谱结果与 PlantPTM 生成的预测结果进行比较,PlantPTM预测的AUROC分别达到0.8089、0.8150和0.9073,且质谱鉴定肽段与模型预测肽段的保守motif高度一致,可有效捕获具有生物学意义的序列特征以及与多种 PTM 相关的保守修饰模式。

图片

图5 使用质谱鉴定的 PTM 位点验证 PlantPTM 预测

 

该研究为蛋白质组范围的PTM发现和优先级排序提供有效的互补策略,有助于在植物中实现可扩展且系统化的PTM表征。

中科新生命【奥斯卡DIA泛酰化-植物版】可一次性实现对样本中的乙酰化、琥珀酰化、巴豆酰化的深度检测。在降低实验误差提升技术平行性的同时,可深度了解不同酰化修饰在样本中的差异表达。在数据挖掘时,不仅可聚焦某一类修饰角度深度挖掘,还可开展三种酰化之间的crosstalk分析。满足一次检测,三种修饰、四套结果、无限研究可能的科研需求。

 

 

 

 

 

 

 

关于中科新生命

 

 

上海中科新生命生物科技有限公司(APTBIO)创立于 2004 年,由原中国科学院上海生命科学研究院蛋白质组研究中心孵化而来,是国内质谱多组学应用领域的开拓者。公司以 “AI + 质谱多组学” 双核驱动创新,构建智能化组学生态。拥有自主知识产权的质谱检测平台与 AI 大数据分析系统,聚焦科技服务、生物医药及大健康消费三大领域,为全球科研机构、医院、药企提供从基础研究到临床转化的一站式解决方案。融合多组学技术与人工智能,围绕生物标志物发掘、药物靶点筛选及个性化诊疗等方向,构建具有国际竞争力的组学数据库与算法模型,推动转化医学进程,加速创新药物研发,成为推动生命科学数字化升级的核心引领者。