HHMI Janelia 提出从蛋白序列预测核 condensate 的实验-计算闭环模型

计算生物学 / ML（蛋白质相分离）。

• 目标：从蛋白质与 RNA 序列直接预测多尺度结构/功能——序列空间极大（已知序列约 80 亿条）。
• 核 condensate（核凝集体）与神经退行性疾病、癌症等多种疾病相关；许多固有无序蛋白（IDP）倾向在细胞内形成 condensate。
• 方法：构建可扩展的 pooled 蛋白序列变体文库，在细胞内高通量测量各序列形成 condensate 的倾向；开发软件自动检测并量化 condensate 属性（大小、数量）。
• 用物理基预测器 Finch（Alex Holehouse 组）预测每个合成序列的同源/异源相互作用强度，并发现控制 condensate 大小与数量的关键序列特征，以及内源细胞因子如何微调这些特征。
• 本质为实验筛选 + 计算/ML 预测建模闭环：用大规模测量数据训练/校验序列→表型预测。