近日，玉米研究所卢艳丽教授团队在植物学知名期刊《Plant Biotechnology Journal》在线发表了一篇题为“PPVED: A machine learning tool for predicting the effect of single amino acid substitution on protein function in plants”的研究论文，该研究论文开发了一个机器学习工具PPVED（网站链接为http://www.ppved.org.cn），实现了植物蛋白质点突变功能效应的准确预测，极大地促进了植物功能性遗传变异的识别与挖掘。玉米研究所硕士毕业生苟香建（现为华中农业大学植物科学技术学院博士一年级学生）为第一作者，青年教师冯宣军为共同第一作者，卢艳丽教授为通讯作者。

蛋白质点突变，即单氨基酸替换（Single Amino Acid Substitution，SAAS），可影响蛋白质行使正常功能，从而导致植物发生明显的生理或形态改变。传统的分子实验能够准确衡量SAAS对植物蛋白质功能的影响；然而，这些实验的开展非常耗时耗力且操作困难。大量全基因组重测序项目的实施也导致了SAAS数目急剧增加，传统实验验证SAAS变得更加低效。因此，为了从海量数据中筛选出最有价值的SAAS，优先进行分子实验验证，急需一种能够大规模、高通量、高精度注释SAAS效应的新方法。

该团队利用UniProt/Swiss-Prot、NCBI/PubMed等数据库资源，整合了一个植物蛋白质点突变数据库，一共包含12,865个SAAS，并将其随机划分为基准数据集和独立数据集。基于基准数据集，从蛋白质序列、结构与功能等层面出发，广泛采集了1,215种表征SAAS的特征信息，使用自行设计的特征选择管道筛选出48种重要的特征。基于这48种特征，分别应用随机森林、极端梯度提升、支持向量机以及前馈神经网络等算法，构建了15种机器学习模型。评估结果表明，以极端梯度提升算法构建的模型（命名为植物蛋白质变异效应检测器，Plant Protein Variation Effect Detector，PPVED）性能最优，在基准数据集上的预测准确度和曲线下面积分别为0.872和0.940，在独立数据集上分别为0.856和0.931。

图1.关于开发PPVED并用其预测SAAS对植物蛋白质功能影响的概述

该团队从三种角度进一步验证了PPVED的预测能力。首先，比较了PPVED与6个广受欢迎的现有工具（基于人类SAAS数据而开发）的性能，结果表明，PPVED的预测准确度比性能最优的现有工具高出10%。其次，将PPVED预测应用于包含314个功能性SAAS和1,515个中性SAAS的数据集，结果表明，预测准确度与独立数据集的预测结果一致，再次证实了PPVED的泛化能力。最后，利用PPVED对拟南芥、玉米中的6个SAAS（ISU1^T55M、ISU1^A143T、ISU1^G106D、HSCA2^G87D、ZmERF9^T211S、ZmERF9^R204Q）进行预测和实验验证。结果表明，除了ISU1^T55M之外，对其他5个SAAS的预测与实际观测结果保持一致。

图2. PPVED与6个现有工具在基准数据集和独立数据集中的ROC曲线

图3.拟南芥与玉米中的6个SAAS的验证结果

为了方便用户使用PPVED，作者将PPVED部署成了在线Web服务，用户可以直接登录网站，提交任务并进行预测，结果会以邮件的形式发给用户的邮箱，网站链接为http://www.ppved.org.cn。此外，该网站也提供了本地安装包，适用于64位的Linux操作系统，如果用户有批量预测需求，作者推荐用户下载本地安装包进行批量计算。

图4. PPVED的在线Web服务界面

供稿人：冯宣军

 审稿人：高世斌

论文链接：https://onlinelibrary.wiley.com/doi/abs/10.1111/pbi.13823