藏在單一蛋白質結構中的演化資訊

30 秒理解

用 reciprocal weighted contact number 等 packing-density 描述，從單一 Cα 結構估計殘基保守性輪廓。

核心問題

只給一個蛋白質的 Cα 三維座標，不使用它的多序列比對，能否重建出逐殘基的演化保守性輪廓？

直覺

把蛋白質想成一座擁擠的城市：位在核心、四周鄰居又近的殘基，若被替換就較容易破壞整體結構，因此往往承受較強的演化限制。weighted contact number（WCN）用所有 Cα 距離的平方反比，把這種局部擁擠程度量化；取倒數後，輪廓方向可與「分數越低越保守」的序列保守性分數對齊。

為什麼重要

這項工作展示結構 packing 與序列演化之間可被逐殘基量化的關聯，也提供在同源序列不足時產生結構先驗的方法。不過它驗證的是輪廓相關性，不是證明單一結構能完整取代多序列比對或直接鑑定功能位點。

閱讀前置

• 理解蛋白質殘基、Cα 原子與三維座標距離。
• 知道多序列比對、系統發育與 residue conservation score 的基本概念。
• 能解讀 Pearson correlation coefficient，並知道相關不等於因果或逐點準確。
• 理解蛋白質核心、表面、寡聚體界面與 domain packing 會改變局部接觸環境。

paper-specific guide · plain → technical → input → output → source

逐步方法導讀

1. 01 · 由單一結構計算 packing profile

   對每個殘基，把所有其他殘基離它多近彙整成一個擁擠度，再轉成可比較的逐殘基曲線。

   論文語言: 以 Cα 距離定義 WCN_i = Σ_{j≠i} 1/r_ij²；將 WCN profile 標準化為 z-score，並使用 reciprocal WCN（rWCN）與 conservation profile 比較。

   輸入: 一個蛋白質結構中每個殘基的 Cα 座標，以及要納入計算的 chain／subunit／domain 範圍。

   輸出: 一條標準化的 residue-level rWCN packing profile。

   邊界: WCN 是結構 packing 描述子，不含胺基酸型別、序列同源資訊或顯式能量模型；納入哪些 subunits／domains 會改變數值。

   PDF pp. 9–10, Methods, Equation 1

2. 02 · 建立獨立的序列保守性參考

   另外從同源序列與演化樹估計每個位置的保守程度，作為結構輪廓的驗證標準。

   論文語言: 依 ConSurf protocol，以 PSI-BLAST 搜 SwissProt、CD-HIT 去除冗餘／過近序列、MUSCLE 建 MSA、Rate4Site 以 neighbor joining 建樹，再用 empirical Bayesian method 估計 position-specific scores，經 5-residue window 平滑並 z-score 標準化。

   輸入: query sequence、SwissProt 同源序列與由 MSA 推導的系統發育關係。

   輸出: 一條序列與演化資訊導出的標準化 conservation profile。

   邊界: 這條序列輪廓是 benchmark reference，不是單一結構方法的輸入；同源序列多樣性不足會使 reference 本身改變。

   PDF p. 10, Methods, Sequence conservation profiles

3. 03 · 比較輪廓並測試結構範圍

   計算兩條曲線的相關性，再分別用單一 chain、完整複合體或完整多 domain chain 重算 packing，觀察界面是否補足或干擾訊號。

   論文語言: 主 benchmark 對 554 個非同源酵素計算 Pearson r；多鏈與多 domain 個案比較不同 coordinate scope 下的 rWCN–conservation correlation，並與 contact-number／sequence-entropy baseline 對照。

   輸入: 成對的 rWCN 與 conservation profiles，以及不同生物組裝／domain 範圍。

   輸出: 每個蛋白質的 Pearson r、超過門檻的比例，以及對結構範圍敏感的案例。

   邊界: 較高相關只能表示兩條輪廓共同變化，不能單獨證明 subunits 共演化、功能機制或 residue-level classification correctness。

   PDF pp. 2–3, Figure 1; pp. 5–6, Figures 4–7; pp. 8–9, baseline comparison

關鍵結果

554 個酵素中有 74% 的結構輪廓與序列保守性相關係數大於 0.5，支持結構承載演化限制。

逐節證據導讀

論文事實、本站判讀與教學模型分開標示。

paper-fact

packing profile 與 conservation profile 的主要關聯

在 554 個非同源酵素中，rWCN 與 conservation profile 的平均 Pearson correlation 為 0.57；408/554（74%）蛋白質的 correlation coefficient 大於 0.5。這是逐蛋白質、逐殘基輪廓的比較。

Figure 2 的 1ONR:A、1KZH:A 與 1FGH:A 顯示，兩條曲線的低谷重疊，標出的 catalytic residues 也位在低谷附近。這支持「高 packing 區常較保守」的解讀，但不是一個具 sensitivity／specificity 的 catalytic-site predictor 評估。

原文定位: PDF pp. 1–2, Abstract, Figure 1 and Figure 2

paper-fact

結構範圍本身就是假設

四聚體 1ARZ 的 chain A 若只用單鏈算 WCN，相關係數為 0.18；納入四條 chains 後升至 0.72。相反地，1RO7:A 從單鏈 0.58 降到全四聚體 0.17，說明把 crystal assembly 全部納入不保證改善。

在多 domain 單鏈分析中，388/478（81%）domains 於 WCN 納入完整 chain 時有較高相關，但作者明確表示仍需進一步研究。1GOG:A 與 1DGK:N 的相反個案也提醒：assembly/domain choice 應被當成可驗證的模型設定，而非固定真理。

原文定位: PDF pp. 3–6, Figures 4–7; PDF p. 9, Figure 8

project-reading

它證明的是相關輪廓，不是 MSA 被淘汰

Jernigan–Lustig baseline 在同一 554-protein set 中只有 7/554（1%）超過 r=0.5，平均 r=0.29；本文方法為 408/554 與平均 r=0.57。把 baseline 的 CN 換成 WCN 後有 147/554 超過 0.5，顯示 packing descriptor 與 conservation-estimation procedure 都會影響結果。

這些比較不是外部盲測的 residue classifier，也沒有證明 packing 是保守性的唯一原因。更合適的使用方式，是把 rWCN 當成結構先驗，再用 MSA、功能實驗與正確 biological assembly 交叉驗證。

原文定位: PDF pp. 8–9, Discussion and comparison with the Jernigan–Lustig method

研究設計與評估

資料與樣本

主資料集由 Catalytic Site Atlas 2.2.11 選出 554 個酵素，彼此 pairwise sequence identity 低於 25%，且 X-ray structures 少於 5 個 missing residues。結構端只用 Cα；序列端依 ConSurf-like pipeline 從 SwissProt homologs 建立 conservation reference。

比較基準

• Jernigan–Lustig 的 BLASTP pairwise-alignment sequence entropy 加 9 Å cutoff contact number（CN），以及將其 CN 替換成 WCN 的變體。
• 同一結構在單一 subunit／domain 與完整 assembly／chain 下計算 WCN，作為 structural-scope 對照。

指標

Pearson profile correlation

衡量同一蛋白質中 rWCN 與 conservation 兩條逐殘基輪廓的線性共同變化，範圍為 -1 到 1。
邊界: 不等同 residue prediction accuracy、因果關係或 functional-site precision；也會受平滑、序列多樣性與 coordinate scope 影響。

Fraction with r > 0.5

554 個蛋白質中，有多少個個別 profile correlation 超過作者採用的 0.5 描述門檻。
邊界: 0.5 不是由分類 ROC 推導的最佳 cutoff，也不表示所有 residues 都預測正確。

Context-induced correlation change

比較納入不同 subunits 或 domains 時，同一 chain／domain 的 Pearson r 上升或下降多少。
邊界: 是 assembly-sensitivity 訊號；不能只憑上升就宣稱共演化或 obligate interaction。

論文報告的結果

主資料集平均 Pearson r=0.57，408/554（74%）蛋白質的 r>0.5；Jernigan–Lustig baseline 在相同 554 proteins 上平均 r=0.29，7/554（1%）超過 0.5。結果支持單一 Cα 結構的 packing profile 含有可量化的演化訊號，但沒有建立取代 MSA 的等價性。

PDF pp. 1–2, Abstract and Figure 1; PDF pp. 8–10, baseline comparison, Methods and Dataset

teaching-model · not a reported experiment

教學例（不是論文實驗）

用 toy structure 建立 rWCN conservation prior

本站教學模型：一條小蛋白有 6 個殘基的 Cα 座標；殘基 3、4 位在緊密核心，殘基 1、6 位在伸出的兩端。

1. 對每個殘基計算它到其他 5 個 Cα 的距離，將每個距離貢獻轉成 1/r² 後加總為 WCN。
2. 將 WCN 轉成 reciprocal profile 並標準化；核心殘基因 WCN 較高，rWCN 會形成較低的谷。
3. 把低 rWCN 標為「較可能受結構限制」而不是「已證實功能位點」，再與由同源序列得到的 conservation profile 比較 Pearson r。
4. 若殘基 1 接觸另一個 subunit，將 biological assembly 納入重算，並把 correlation 的變化單獨報告。

帶走什麼: rWCN 提供的是可檢驗的 structural prior；座標範圍與序列 reference 都是結果的一部分。

historical-ecosystem

相對 FAST 的證據邊界

WCN 後來成為 SARST2 的特徵之一，但本篇不是 alignment benchmark。

合法來源與取用

11 pages · SHA-256 a7ca3434e69aca156dfb415c38c5b105986b0fb6efb0cc4409474d6e2bc116e4

合法機構典藏全文；不是付費牆繞行。

NYCU institutional-repository PDF

限制與防誤讀

• 相關性不代表能完整取代多序列比對。
• 多聚體界面與構象狀態會改變 packing 訊號。

證據定位清單

1. PDF pp. 1–2, Abstract, Results and Figures 1–2
2. PDF pp. 3–6, Evolutionary coupling between subunits and Figures 4–7
3. PDF pp. 8–9, Discussion and Jernigan–Lustig baseline comparison
4. PDF pp. 9–10, Methods, Equation 1 and Sequence conservation profiles
5. PDF p. 10, Dataset

理解檢查

1. WCN 較高通常代表什麼？

   答案: 該殘基周圍的 Cα packing 較密集。

   近距離以 1/r² 得到較大權重，所以許多近鄰會提高 WCN。

2. 408/554 的 r>0.5 能否解讀為 74% residues 預測正確？

   答案: 不能；74% 是蛋白質的比例，不是 residues 的 accuracy。

   每個蛋白質先得到一個 profile-level Pearson r，再統計超過 0.5 的蛋白質數。

3. 為何 1ARZ 與 1RO7 提醒我們不能一律納入所有 chains？

   答案: 完整 assembly 使 1ARZ 的相關上升，卻使 1RO7 的相關下降。

   界面是否承載演化限制取決於生物組裝與功能情境，不能由 crystal contacts 自動決定。

讀完標準: 選一個已知 biological assembly 的蛋白質，分別以單鏈與完整 assembly 計算 rWCN；建立同一套 ConSurf-like reference，逐項報告 profile Pearson r、座標缺失、同源序列多樣性與 assembly choice，並解釋兩種範圍差異是否支持界面限制。

本篇詞彙表

Weighted contact number（WCN）

以所有其他 Cα 距離平方反比加總的 residue packing descriptor。

Reciprocal WCN（rWCN）

WCN 的倒數型輪廓；高 packing 區呈較低值，可與本文保守性分數方向比較。

Conservation profile

沿序列位置排列的演化保守性分數曲線。

Coordinate scope

計算接觸時納入單鏈、完整複合體、單一 domain 或完整 chain 的選擇。