近日，本室赵一雷课题组与范德堡大学杨中悦课题组、普林斯顿大学A. James Link教授合作在《Nature Communications》上发表题为“LassoPred: a tool to predict the 3D structure of lasso peptides”的研究论文。该研究成功实现了对微生物基因组中近5000个套索肽氨基酸序列的三维结构的高效准确预测，不仅扩展了该类微生物天然产物的结构信息，也为套索肽的功能研究、分子设计及药物发现提供了关键支撑。上海交通大学博士生欧阳兴宇为第一作者，范德堡大学杨中悦教授、普林斯顿大学Link教授和赵一雷教授为共同通讯作者。本室为第一单位。范德堡大学博士生冉昕淳为本研究提供了重要帮助。

套索肽（lasso肽）是一类具有独特“套索”结构（异肽键环“套住”尾部肽链）的核糖体合成天然产物，其特殊构象赋予了高稳定性和抗酶解性能，从而在药物开发中具有重要的应用潜力。然而，尽管自然界存在数千条序列，但在过去30年仅有约50个结构被实验解析，主流蛋白质折叠预测工具如AlphaFold难以应对其构象挑战。

为此，研究团队开发了专用工具LassoPred。其核心包含注释器和构建器：注释器利用机器学习技术识别关键区域并预测环化位点；构建器则生成初始模型并通过优化算法提升精度。评估显示LassoPred性能优异，盲测top3注释准确率达92%，所构模型与实验结构的平均偏差仅为3.2 Å（关键区域低至1.0 Å），优于主流工具。

利用该工具，研究团队进一步预测了4749条未解析序列，构建了当前最大的套索肽结构数据库，为扩展结构多样性、功能研究及药物发现提供了关键支撑。

,

本研究获得科技部重点研发计划（2020YFA0907700）和国家自然科学基金（31970041）的资助与支持。