别再靠“比对猜”了，AI现在能直接“读懂”噬菌体蛋白！

噬菌体——微生物界的“巨量黑箱”

噬菌体（Bacteriophage）是感染细菌的病毒，在地球上数量惊人—估计总数超过 10³¹ 个，约为所有细菌数量的10倍。它们在微生物生态系统、基因水平转移以及细菌演化中扮演着关键角色。但问题在于：尽管我们已获得了成千上万个噬菌体基因组，其中绝大部分蛋白质的功能仍然未知。

原因在于传统的同源性分析依赖序列相似性，但噬菌体蛋白进化极快，序列差异巨大，导致大多数蛋白无法通过比对获得注释—它们被称为“hypothetical proteins”或“viral dark matter”。

图1. MEmpathi类别的定义和数据集的准备 

重构功能体系，让AI更懂生物学

以往的噬菌体数据库（如 PHROG）分类杂乱、交叉严重。Empathi 团队重新整理了功能体系：按分子功能（molecular function）进行分层，让模型预测更加清晰一致。它还采用多标签学习，能同时为一个蛋白赋予多个功能标签—比如既是“结构蛋白”，又是“细胞壁降解酶”，更贴近噬菌体真实的生物学状态。

注释率翻倍，功能更精确

Empathi 在两大数据库中表现惊人：在 EnVhogDB 中，功能注释率从 16% 提升到 33%；在 EFAM 中，从 34% 提升到 58%。不仅能“看懂更多”，还“理解得更深”。研究还发现，Empathi 能识别出兼具多功能的关键蛋白，揭示了噬菌体感染机制的新线索。

让病毒世界不再沉默

Empathi 不仅是一次技术突破，更是让AI真正参与生命理解的开始。它让机器从“比对序列”走向“理解功能”，帮助科学家揭示噬菌体与细菌之间的复杂博弈。

未来，随着更多病毒数据的加入与模型优化，

Empathi 有望成为探索“病毒暗物质”的核心工具。

参考来源：

Boulay, A., Leprince, A., Enault, F. et al. Empathi: embedding-based phage protein annotation tool by hierarchical assignment. Nat Commun 16, 9114 (2025). https://doi.org/10.1038/s41467-025-64177-5