細胞里的蛋白質，也會像水中的油滴一樣聚在一起、與周圍環境「分開」。這種被稱為「相分離」的過程，既幫助細胞快速應對變化，也可能在失控後形成異常聚集，與阿爾茨海默病等疾病相關。
如今，南洋理工大學（NTU Singapore）研究團隊藉助人工智慧，為科研人員提供了一套更系統的「蛋白質相分離地圖」。
團隊開發了AI驅動的基準資料庫PLATO和分析平台PhaseHub，幫助研究人員更準確地預測哪些蛋白質會發生相分離、它們可能與哪些分子互動，以及這種行為在不同物種中如何變化。
跨物種分析規模
1,106個物種
涵蓋動物、植物、真菌和細菌等生命形式
蛋白質為什麼會「抱團」？
相分離蛋白質會從周圍環境中分離出來，集中形成類似液滴的結構。細胞可以藉此把特定分子聚到一起，加速或抑制某些反應，從而更快地應對壓力。
但如果這一過程發生異常，蛋白質便可能形成有害的凝聚體或聚集物。此類變化與癌症、阿爾茨海默病等神經退行性疾病有關；在植物中，相分離異常也可能削弱壓力響應和抵禦微生物病原體的能力。
因此，找出哪些蛋白質會發生相分離，以及這種行為受什麼因素調控，是疾病、衰老和作物研究中的重要問題。
左起：NTU數字分子分析與科學研究所研究員Dr Liang Qiyu與Prof Miao Yansong。 圖源：NTU Singapore
PLATO：給AI一套更可靠的「標準答案」
過去的蛋白質相分離數據集往往偏重完整蛋白質，較少收錄實驗中確認「不發生相分離」的結果，也缺乏截短蛋白質、突變體和工程化變體。這種數據失衡，容易令預測模型高估蛋白質發生凝聚的傾向。
為補上缺口，NTU團隊利用大語言AI模型系統檢索PubMed收錄的科學論文，提取經過實驗測試的蛋白質及其相行為信息，並由研究人員進行人工覆核，以確保科學準確性。
PLATO資料庫收錄：
• 5,118條獨特蛋白質序列
• 超過3,600種會發生相分離的蛋白質
• 約1,300種不會發生相分離的蛋白質
• 同時涵蓋截短蛋白質、突變體及工程化變體
這些更均衡、更多樣的數據，可以為訓練和評估新一代預測工具提供基準。
PhaseHub：不只預測，還能探索「誰和誰互動」
研究團隊還建立了PhaseHub平台。他們先利用此前開發的機器學習算法MolPhase，預測1,106個物種中可能發生相分離的蛋白質，再結合蛋白質丰度和相互作用的實驗數據，分析多組分蛋白質凝聚體。
研究人員可以在PhaseHub中搜索蛋白質或提交序列，查看其相分離預測結果、可視化潛在相互作用，並探索影響分子互動的特徵，例如連續重複的胺基酸片段。
跨越生命物種，團隊發現了什麼？
分析顯示，細胞內含有細胞核的真核生物，通常擁有更高比例的潛在相分離蛋白質。對於基因組較小的生物，潛在相分離蛋白質的比例會隨基因組擴大而增加，之後逐漸趨於平台。
這提示基因組DNA含量與相分離能力之間可能存在一種平衡：更大的基因組可以編碼更多相分離蛋白質，支持更複雜的細胞活動；但過強的凝聚傾向，也可能提高形成有害聚集物的風險。
誰完成了這項研究？
研究由NTU生命科學學院及數字分子分析與科學研究所（IDMxS）的苗延松教授（Prof Miao Yansong）領導，並與NTU電氣與電子工程學院高偉博教授（Prof Gao Weibo）合作完成。
IDMxS研究員梁啟宇博士（Dr Liang Qiyu）是兩篇研究論文的第一作者。相關AI工具與研究成果已發表於同行評審期刊《Molecular Plant》。
這項研究意味著什麼？
它並不是一項已經進入臨床的治療技術，而是一套更準確、更友好的基礎研究工具。未來，它可能幫助科研人員更快篩選候選蛋白質，理解疾病和衰老機制，並研究如何增強植物的抗逆性與免疫力。
從單個蛋白質序列，到覆蓋千餘物種的生命圖譜，AI正在幫助科學家把分散在論文和實驗中的證據連接起來。真正值得期待的，不只是「預測得更快」，更是讓疾病研究和可持續農業獲得一套能夠不斷積累、比較與驗證的共同基礎。
