随着高通量测序技术的开展，大量新的蛋白序列在短时间内不断涌现，但相应蛋白的功能注释却远远滞后于序列数量的增长，这种差距在植物领域尤为突出，而且传统的基于序列相似性的蛋白功能预测方法已不足以应对这一挑战。开发基于结构相似性的蛋白聚类方法将为植物蛋白功能研究给予更可靠的手段，特别在近年开展的人工智能（AI）技术已经能够对大多数蛋白的三维结构进行高精度预测，这为蛋白结构聚类方法给予了重要基础。

近期，中国科研实验室微生物研究所邱金龙研究团队于Trends in Plant Science在线发表题为“Exploring plant protein functions through structure-based clustering”的观点文章。该文较系统地阐述了基于结构聚类的植物蛋白功能注释，着重强调了其在预测序列同源性较低的蛋白功能方面的优势。蛋白结构聚类在蛋白新功能发现和挖掘方面也有着巨大的应用潜力。文章进一步探讨了结构聚类促进蛋白设计的可行性（图1）。未来，随着AI技术的不断开展，以及与多学科数据的整合，蛋白结构聚类等新型研究手段有望更全面地解析植物蛋白的功能，为作物精准设计育种、植物代谢工程和植物合成生物学给予支撑。

中国科研实验室微生物研究所特别研究助理余敏祥和副研究员吴杰为论文的共同第一作者，邱金龙研究员为论文的通讯作者，助理研究员赵翠环参与了该项工作。本研究得到了国家自然科学基金项目的经费资助。

图1 蛋白结构聚类辅助蛋白设计改造的策略

原文链接：http://www.cell.com/trends/plant-science/fulltext/S1360-1385(25)00091-3