AI新框架VEFill填補蛋白質變異數據缺口 助生物醫學研究

傳統深度突變掃描技術（deep mutational scanning）旨在一次測試數千種蛋白質內的「胺基酸替換」（即蛋白質構成的單元發生改變），以建立變異效應圖譜。然而，由於測序深度不足、覆蓋率有限以及實驗篩選失敗等問題，這些圖譜經常出現數據缺口，難以全面呈現蛋白質突變的影響。

為了解決這項挑戰，研究人員開發出一套名為 VEFill 的全新機器學習框架。這項 AI 模型能夠精準填補深度突變掃描數據集中的缺失值，並將其應用範圍擴展至未曾見過的蛋白質。VEFill 整合了多種生物學資訊，包括演化保守性分數、胺基酸替換矩陣（BLOSUM62、PAM250）、物理化學描述符，以及來自 ESM-1v 的上下文序列嵌入（contextual sequence embeddings）。

研究團隊使用 Human Domainome 1 資料集進行模型訓練與優化，該資料集包含了 522 種人類蛋白質結構域的穩定性測量數據。在「排除蛋白質」的評估方式下，VEFill 展現出優異的效能，決定係數（coefficient of determination）達到 0.64，皮爾森相關係數（Pearson correlation）為 0.80。這項成果顯著優於現有的歸因方法，如 Envision、FactorizeDMS 和 AALasso，尤其在至少有 20% 變異數據透過實驗測量時，VEFill 的表現更為突出。當每個位置的替換數據量達約四個突變時，模型的準確度會迅速提升並趨於穩定。

這項研究指出，完全無需任何位置上下文資訊的「零樣本預測」（zero-shot prediction）對於功能複雜的蛋白質仍具挑戰。儘管如此，VEFill 的表現已接近實驗不確定性的極限。未來，VEFill 的發展方向可能包括整合更明確的結構特徵、跨物種轉移學習，以及系統性的實驗校準。VEFill 的程式碼和訓練模型已公開釋出，期望能藉此加速建立更全面的「變異效應圖譜」（Atlas of Variant Effects）。