lovebet爱博网页版

近日，我院健康科学研究所科研团队在各自研究领域取得多项科研成果。

一、生化防治分子工具及技术研发团队方葛敏教授课题组抗冠状病毒肽类抑制剂研究领域取得研究进展。

方葛敏教授课题组与西南医科大学、复旦大学基础医学院合作，利用化学生物学手段，设计合成了一类小型环状ACE2蛋白类似物分子，并在假病毒和真病毒体系中证明其能有效抑制SARS-CoV-2病毒，为发展抗冠状病毒肽类抑制剂提供了一个新的视角。该成果以“Neutralizing SARS-CoV-2 by dimeric side chain-to-side chain cross-linked ACE2 peptide mimetics”为题发表在Nature Index期刊Chemical Communications上（原文链接：https://pubs.rsc.org/en/content/articlelanding/2022/CC/D1CC06301D ）。健康所在读博士Zhang Yanni，西南医科大学Zhang Yuwei, 复旦大学Su Shan和健康所毕业硕士Zhu Hanying为本文的共同第一作者，西南医科大学卿杰教授、复旦大学陆路教授和健康所方葛敏教授为共同通讯作者。该项研究受到国家自然科学基金和lovebet爱博网页版启动基金支持。

二、疾病机制和药物靶标团队杨兴元教授课题组在脂肪代解调控领域取得新进展。

代谢精确调控是维持生命活动的最基本问题，代谢紊乱所造成代谢性疾病：ψ湃死嘟】，解析脂类物质代谢的精确调控的关键因子在细胞治疗、药物开发和疾病模型等领域具有广泛的应用价值。杨兴元教授课题组利用肝脏细胞作为模式生物研究炎症相关因子在脂类调控中的机制，发现一个突出融合蛋白STX11在脂肪分解与脂类自噬中起重要作用。该研究发现不仅拓展了研究人员对炎症相关因子在代谢调控中的认知，而且为理解炎症与代谢之间生理功能的联系提供了新的线索。研究成果于2022年4月15日以题为“The vesicular transporter STX11 governs ATGL-mediated hepatic lipolysis and lipophagy”在线发表于Cell子刊《iScience》杂志（原文链接：https://doi.org/10.1016/j.isci.2022.104085）。博士生张高建为本文第一作者，杨兴元教授与葛宏华教授为论文共同通讯作者，lovebet爱博网页版为唯一作者单位。该研究得到了国家自然科学基金（31771310、 41871210）、安徽省自然科学基金（1708085MC67）、安徽省领军人才团队项目（2019-16）的资助。

图.STX11调控肝脏脂肪水解及脂噬的模式图

三、生物医学与健康大数据团队夏俊峰教授课题组在生物活性肽功能预测领域和突变功能研究领域取得研究进展。

（一）基于深度学习方法开发了用于生物活性肽多功能预测MLBP方法。

生物活性肽在生物体代谢及人类健康中发挥重要作用，具有降血糖和减轻炎症等多种功能。生物活性肽具有结构简单、生物活性高、特异性强、毒性低以及对人体：π〉扔诺，在新型多肽药物的设计与开发上有着广阔的前景。随着高通量测序技术不断发展，海量未知功能的蛋白质和多肽序列数据持续涌现。通过实验方法鉴定多肽功能，不仅费时费力，而且周期较长。因此，迫切需要开发计算方法，能够在大量蛋白质和多肽中进行生物活性肽的高通量筛选。

夏俊峰教授课题组开发的MLBP方法可以同时预测多种功能，包括抗癌、降血糖、降压、抗炎症和抗菌。MLBP模型以肽序列向量为输入，取代其他预测方法常用的氨基酸理化特征。利用嵌入层，从序列向量中学习出稠密的连续特征向量。然后，通过卷积神经网络层从特征向量中提取卷积特征，并结合双向门控循环单元层提高预测性能。实验结果表明，MLBP对多肽功能具有较好的预测性能。研究成果于2022年1月17日以题为“Identifying multi-functional bioactive peptide functions using multi-label deep learning”正式发表于生物信息学知名期刊《Briefings in Bioinformatics》杂志。lovebet爱博网页版2019级硕士研究生硕士生唐文定和2018级硕士研究生代如玉为论文的共同第一作者，lovebet爱博网页版宾艳南博士、夏俊峰教授和安徽农业大学夏恩华教授为共同通讯作者，lovebet爱博网页版为第一作者单位。目前，团队与安徽农业大学茶树生物学与资源利用国家重点实验室夏恩华教授合作，利用多功能肽预测工具对优良茶叶品种中的多肽进行功能分析，初步发现茶叶多肽中含有抗细菌肽、抗真菌肽以及抗病毒肽等，具有一定的潜在药用价值。

图. 生物活性肽多功能预测方法MLBP流程图

（二）提出了一种基于生物学特征的预测模型PredCID。

癌症和精神疾病等复杂疾病是影响人类健康的重大公共卫生难题，然而由于这些疾病发病机制尚不完全清楚，对其诊疗往往存在难题。近年来，随着高通量测序技术的快速发展，研究人员可以获得基因组序列上的大量遗传变异，包括单核苷酸变异(SNV)、插入或缺失突变(indel)、拷贝数变异以及结构变异等。识别和研究导致疾病发生的突变是理解疾病生物学机制和开发靶向疗法的关键步骤。传统的鉴定和研究突变功能的生物实验方法存在通量低和代价高等问题，使得采用计算的方法研究基因组突变越来越多得到相关研究人员的重视。

驱动与乘客突变的鉴别一直是癌症生物学领域的一个研究热点。夏俊峰教授课题组在前期开发的癌症驱动indel数据库dbCID（http://bioinfo.ahu.edu.cn:8080/dbCID）和癌症乘客突变数据库dbCPM（http://bioinfo.ahu.edu.cn:8080/dbCPM）基础上，提出的预测模型PredCID（图1），可用于准确预测癌症驱动移码indels。与现有的非癌症特异性方法相比， PredCID在区分癌症驱动移码indel方面取得了更好和鲁棒的性能，因此是深入理解人类癌症移码indel的一种有价值的方法。研究成果于2021年5月20日以题为“PredCID: Prediction of Driver Frameshift Indels in Human Cancer”在线发表于生物信息学知名期刊《Briefings in Bioinformatics》（IF2021=11.506/Q1）杂志（原文链接：https://doi.org/10.1093/bib/bbaa119）。2016级博士研究生岳振宇（已毕业）为本文第一作者，夏俊峰教授为论文通讯作者。该研究工作得到国家自然科学基金（61672037、U19A2064、11835014)等项目的资助。

图. PredCID模型流程图