咱们国家生命科学学院的崔隽教授跟深圳大学的李坚强教授，合作搞了个大新闻，给咱的免疫细胞精准改造指了一条明路。他们在2026年2月，把一篇研究论文发到了《Advanced Science》杂志上，题目叫“Machine Learning-Guided Engineering of Protein Phase Separation Properties in Immune Regulation”，把机器学习这股子劲儿用到了蛋白相分离的精准调控上。 蛋白相分离其实就是细胞里那些没膜的细胞器是咋来的关键所在，跟免疫、代谢这些事儿都脱不开关系。要是这东西出了岔子，神经退行性疾病、癌症还有发炎反应都可能找上门来。现在大家都想通过改这个能力来弄清楚蛋白到底咋工作的，这就成了生物医学和合成生物学的新宠。不过以前的工具大多就盯着天然蛋白看，要是想让它认点突变出来的细微变化，简直是个大麻烦，还得靠大量的实验去试错才行。 为了干掉这道坎儿，崔隽团队把蛋白质结构信息和机器学习捏到了一块儿，弄出了个叫PScalpel的家伙。这工具不光能准确预测突变后的相分离情况，还能智能推荐怎么改才能达到最好的效果。它就像是有了三个核心模块，先把蛋白的三维结构信息提取出来，再精准算出突变后的能力，最后给出最优的改法。通过这种从结构分析到策略制定的完整链条，PScalpel补上了突变体蛋白预测与改造的那块短板。 研究团队特意挑了8种跟免疫有关的相分离蛋白来验证这招到底灵不灵。结果发现，PScalpel挑出来的单氨基酸突变效果特别好，把蛋白相分离能力往哪边走都能说得清清楚楚。更绝的是他们还用了迁移学习的法子。这就好比是给模型灌了一碗提前在大池子数据里预训好的汤底子，再稍微喂点特定蛋白的数据调一调。这样一来既不用累死累活去找那么多标注好的数据练模型了，又能把那些通用的特征把握住。 拿这次实验来说吧，他们在做TDP43这种稀有蛋白的改造时发现，有了这招微调过后的模型就更靠谱了。特别是在面对那些数据特别少的“小样本”情况时，模型的泛化能力和预测准确率都蹭蹭往上涨。 既然PScalpel这么好使，大家最关心的就是能不能用来治病救人了。于是崔隽教授就把固有免疫里的那个关键分子cGAS拉出来做了实验。结果发现用PScalpel筛出来的突变体真的能让cGAS的相分离能力变得听话。不管是在细胞外面还是在活细胞里看，这些突变体形成的那些小团块动静都完全不一样。 这么一改之后cGAS酶的活性和抓DNA的能力也变了样，连带让cGAS-STING这条信号通路的激活程度也跟着变了样。把这些改好的cGAS放到巨噬细胞里试了试后发现真能把细胞的免疫力给调过来。做完转录组测序一看数据更坐实了这一点：cGAS相分离能力稳不稳对细胞免疫功能的正常发挥可是太重要了。 所以说这个PScalpel不光是一个预测工具还是个改东西的好手。它的开源特性让好多搞科研的人都能用得上这玩意儿。虽然现在是拿cGAS开刀示范的，但这个技术完全能扩展到别的非免疫相关的蛋白上去帮忙研究神经退行性疾病和癌症的机理。 最牛的是这种只改一个氨基酸就能调控蛋白相分离能力的做法特别精细温和。比起以前那种猛打猛冲的改造方式这显然更有前途更适合后续的细胞治疗研发啊。这事儿得到了国家重点研发计划和国家自然科学基金的钱袋子支持才成。 文章的第一作者是中山大学生命科学学院的张晨秋博士还有深圳大学计算机学院的王佳助理教授。两位大佬崔隽教授和李坚强教授当然是共同通讯作者啦。