蛋白表型预测不再只看单个位点：把上位效应和氨基酸聚类加进来，13个数据集里9个R²最高
核心概要
定量表型预测此前多依赖单个位点与表型的相关性，难以刻画多位点共同作用。新方案在蒙特卡洛位点搜索之上加入二阶上位效应和按位点定制的氨基酸聚类，用序列距离与表型距离的相关性挑位点再做回归预测。在13个涵盖温度、酶活抑制、肌红蛋白浓度和视紫红质吸收波长的数据集上，同时启用三者的AC-MC-E在9个数据集取得最高R²，并在全部13个中位列前三。
深度剖析
识别表型调控位点的搜索从贪心选择换成蒙特卡洛采样，并叠加两类序列表示：把两个位点当作一个整体、只有同时变化才计入距离的上位效应，以及把氨基酸按位点归并成若干组的聚类。 此前的单点版本只用贪心启发式挑选位点，逐位点比较序列差异与表型差异，无法表达位点之间的联合影响。 在13个案例上，以序列距离与表型距离的Spearman相关系数衡量训练表现，加入蒙特卡洛搜索、上位效应和氨基酸聚类后，AC-MC-E在训练与预测两个环节都给出五套变体中最好的结果。
预测时先用训练集序列对拟合序列距离到表型距离的线性回归，再为每条测试序列寻找使预测距离与已知表型距离平方差之和最小的表型值。 这套距离回归流程沿用此前工作，变化在于输入回归的位点集合由新搜索给出，并可选择单点或位点对。 以R²衡量测试序列预测值与已知表型的吻合度，相对单点版本的改进在MC-SS上达到统计显著，AC-MC-E的改进幅度最大；文献报道的位点集合预测表现与原始单点版本相当。
两类变体分工不同：单点加聚类版本平均只用约5%的比对位点，上位效应版本预测更好但平均用到约30%的位点。 多目标优化把选中位点比例与预测改进同时纳入，文献位点集合被算法变体支配，帕累托前沿只留下AC-MC-SS与AC-MC-E。 HIV-1蛋白酶受FPV抑制的案例中，AC-MC-SS用10个位点得到R²=0.60，AC-MC-E用40个位点得到R²=0.70，后者选出的位点分布更分散。
启示与展望
评估覆盖13个案例：四种酶和三种转录因子的最适生长温度、一种酶的最适功能温度、三种抗逆转录药物对HIV-1蛋白酶的抑制率、哺乳动物肌红蛋白最大肌肉浓度以及微生物视紫红质的吸收波长；所有结论来自这些数据集上的计算预测，未包含实验验证。
氨基酸聚类虽与疏水性相关（第一主成分的R²为0.61和0.62），但各簇的组成没有完整解释；第二主成分在566种氨基酸性质中未找到显著相关。与文献标注位点的重叠较低，Jaccard中位数仅0.05和0.12，多数案例的分类表现接近随机，只有三个HIV-1蛋白酶案例明显偏离对角线。作者也指出，最合适的方法取决于所研究性质的生物学与进化决定因素。