AlphaFold结构挖掘发现GPCR样蛋白TM184C调控胞间囊泡运输与自噬

人类蛋白质序列数据库的扩张速度远超实验能力：迄今经实验确定的独特蛋白结构约十万个，而已知序列已达数十亿条，解析一个结构常需数月至数年 ^[2]。AlphaFold 用深度学习实现了即便没有同源结构也能达到原子精度的预测 ^[2]，在 CASP14 评测中以大幅优势领先其他方法 ^[3]，并使人类蛋白质组超过 98% 的序列获得结构注释 ^[1]。但注释并不等于理解：预测中大量低置信度区域与内在无序区重叠 ^[1]，而数据库里真正经过实验验证和人工审阅的蛋白只占极小比例。这些研究不足的分子构成人类“暗蛋白组”中最为未知的部分，正如这条消息所强调的，其中可能蕴藏尚未被认识的生物学机制与潜在治疗靶点。

2026 年 10 月 6 日报道的这项发表于 Nature 的工作正是从这片暗区入手：研究者以 AlphaFold 结构挖掘为线索，锁定了一个名为 TM184C 的 GPCR 样蛋白，并通过实验证明其调控胞间囊泡运输与自噬。论文摘要显示，TM184C 通过限制 LC3B 脂化与自噬体积累来约束自噬通量，且这一作用具有深度的演化保守性^[8]。据产业媒体报道，TM184C 虽然形似 GPCR，行为却与经典 GPCR 不同^[9]，并被称作一个古老的“超级暗”蛋白^[10]。

就方法论而言，这项工作把 AlphaFold 的用途向前推了一步。此前它的价值主要体现在结构注释 ^[1,2]、以 AlphaFill 为预测模型移植缺失的配体与辅因子 ^[4]、用 AlphaFold 3 预测包含蛋白、核酸、小分子在内的复合物 ^[5]，以及经机器学习分类器甄别假阳性的蛋白质相互作用组筛选 ^[6]——回答的多是“已知蛋白长什么样、和谁结合”。本研究则把结构相似性当作钓钩，从几乎没有注释的序列中钓出候选，再以实验赋予其功能身份，展示了一条从暗蛋白组通向具体生物学机制的路径。

当然，结构挖掘并非万能钥匙：AlphaFold 对无序区域的预测置信度偏低 ^[1]，预测模型本身不含小分子坐标 ^[4]，其输出指标与突变对蛋白稳定性、功能影响的相关性也很弱 ^[7]。就 TM184C 而言，它究竟以何种分子机制同时影响胞间囊泡运输与自噬、在人类生理与病理中扮演什么角色、能否真正成为可干预的治疗靶点，都还是悬而未决的问题，有待后续研究回答。