人类细胞质中“降解标签”的全景图及其与疾病的关系

本文系统性地绘制了人类细胞质中5672种蛋白质的降解信号（degron）图谱。降解信号是蛋白质上的一小段氨基酸序列，能被细胞内的‘垃圾处理系统’（泛素-蛋白酶体系统）识别，从而标记该蛋白进行分解。这项研究通过高通量实验，检测了超过21万条30个氨基酸长的肽段（覆盖99.7%的细胞质蛋白），首次实现了接近完整的细胞质降解信号普查。结果发现：约19.1%的肽段是强降解信号，30.4%为中等强度，50.5%无降解功能。多数强降解信号并非位于蛋白表面，而是深埋在结构紧密、通常被包裹的区域中——它们平时‘隐身’，只有当蛋白质因突变、压力等原因发生错误折叠、结构松动时，这些信号才会暴露出来，被细胞识别并清除。这说明它们本质上是‘质量控制型’信号，专门负责清理异常蛋白。研究还发现，氨基酸组成是决定降解能力强弱的关键：疏水性氨基酸（如色氨酸、苯丙氨酸）普遍增强降解能力；而带负电荷的氨基酸（如天冬氨酸、谷氨酸）和脯氨酸、丝氨酸等则起稳定作用。特别值得注意的是C端（蛋白质尾部）的效应：例如，尾部出现‘EE’‘AA’等特定组合会显著增强降解，而尾部出现赖氨酸（K）或天冬氨酸（D）反而能稳定蛋白、阻止降解。基于这些规律，研究人员训练了一个双通道人工智能模型（PAP），既能分析蛋白内部序列特征，也能识别C端特异性信号。该模型不仅能准确预测人工肽段的降解程度，还能解释真实人体蛋白的丰度变化：当某个基因发生错义突变（单个氨基酸改变），如果新产生的氨基酸恰好在蛋白暴露、无序的区域形成新的降解信号，就会导致整条蛋白被加速清除，造成细胞内功能蛋白不足——这正是许多遗传病的致病机制之一。研究团队用PNPO基因的D33V突变（导致新生儿癫痫性脑病）验证了这一点：该突变虽不破坏蛋白结构和酶活性，却意外制造了一个暴露的降解信号，使蛋白被大量降解，最终引发疾病。此外，该模型还可辅助临床解读基因检测结果，尤其对现有预测工具难以判断的‘无序区突变’提供新依据。总之，本研究不仅提供了迄今最全面的人类细胞质降解信号地图，更揭示了一种重要的疾病新机制——‘突变诱导的降解信号生成’，为理解遗传病、癌症及药物研发（如靶向降解技术PROTAC）提供了关键基础。