中國農業(yè)大學生物學院張子丁課題組在國際知名生物信息學期刊《Briefings in Bioinformatics》上發(fā)表題為“Computational studies on human-virus protein-protein interactions: current status and future perspectives”的綜述論文。該研究系統(tǒng)梳理了人-病毒蛋白互作（human-virus protein-protein interactions, hvPPIs）計算研究領域的發(fā)展歷程、主流方法、現存挑戰(zhàn)及未來發(fā)展方向，為深入理解病毒感染機制和抗病毒藥物研發(fā)提供了重要的理論參考。

人-病毒蛋白互作是病毒感染宿主并引發(fā)疾病的關鍵環(huán)節(jié)。病毒通過其編碼蛋白與人體宿主蛋白發(fā)生物理相互作用，進而劫持或干擾宿主細胞正常生理過程，實現復制與傳播。因此，系統(tǒng)解析hvPPIs對于揭示病毒致病機理、發(fā)現抗病毒藥物靶點以及開發(fā)新型疫苗和廣譜抗病毒策略均具有重要意義。傳統(tǒng)生物學實驗方法在鑒定hvPPIs時通常耗時、昂貴且難以覆蓋全部可能的病毒-宿主蛋白組合，尤其面對新發(fā)突發(fā)病毒時更顯局限。在此背景下，計算生物學方法已成為補充和加速hvPPIs研究不可或缺的手段。

論文首先回顧了人-病毒蛋白互作計算研究的數據資源積累情況，梳理了包括P-HIPSTer、VirHostNet、IntAct等公開數據庫中病毒-宿主互作數據的規(guī)模與特點。綜述重點了目前主流的計算預測方法，涵蓋基于序列特征、結構信息、網絡拓撲以及機器學習（尤其是深度學習）等多個技術路線。論文指出，早期研究多依賴蛋白序列保守性、氨基酸理化性質及結構域信息進行特征編碼，結合支持向量機、隨機森林等傳統(tǒng)機器學習模型進行預測。隨著AlphaFold等結構預測技術的突破以及圖神經網絡、Transformer等深度學習框架的引入，hvPPIs預測的精度和泛化能力得到顯著提升。部分研究開始嘗試整合多組學數據，如轉錄組、蛋白質組及臨床表型數據，以從系統(tǒng)層面刻畫病毒-宿主互作網絡。

針對該領域面臨的核心挑戰(zhàn)，論文進行了深入分析。其一，數據不平衡和偏差問題突出——已知正樣本（確認互作）數量有限，而負樣本定義模糊且難以驗證，導致訓練集構建困難。其二，病毒蛋白與宿主蛋白序列特征差異顯著，跨物種預測時模型遷移能力受限。其三，多數計算預測缺乏高置信度的實驗驗證，假陽性率較高。其四，對于新發(fā)病毒或突變迅速出現的病毒變體，基于已知近緣病毒數據訓練的模型往往泛化性能不足，難以滿足快速應對疫情的需求。其五，病毒蛋白常與宿主蛋白發(fā)生多界面、多構象的相互作用，現有方法仍未充分捕捉互作動態(tài)性與變構效應。

面向論文提出了若干前沿發(fā)展方向。第一，發(fā)展面向“零樣本”或“少樣本”場景的預測算法，結合元學習、自監(jiān)督預訓練等技術增強對新病毒或未表征病毒的預測擴展能力。第二，融合更接近生理條件的結構與計算模擬（如分子動力學、冷凍電鏡動態(tài)構象）、單細胞多組學數據以及跨尺度網絡模型，提升互作預測的生物學辨識度。第三，通過主動學習閉環(huán)，優(yōu)先篩選高信息量的候選互作進行實驗驗證，借助高通量酵母雙雜交、蛋白質片段互補等方法提升數據質量，緩解數據偏差。第四，建立標準化的基準數據集、統(tǒng)一的評估指標以及可解釋性框架，促進方法之間的橫向比較與臨床靶點轉化。第五，將hvPPIs預測更緊密應用于抗病毒藥物重定位和廣譜抗病毒抑制劑設計，加速基礎研究向防控應用的轉化。

通訊作者張子丁教授長期致力于蛋白質-蛋白質相互作用的計算研究及生物分子網絡分析，在相關領域發(fā)表了一系列具有國際影響力的成果。該綜述得到了國家自然科學基金等項目的資助，并獲得了國內外同行的高度關注。論文的合作者包括課題組博士研究生和相關院校研究人員。通過系統(tǒng)規(guī)劃計算hvPPIs研究的現有框架與優(yōu)先突破點，該綜述有望推動生物信息學、病毒學及藥物設計學科的交叉融合，為因應未來重大病毒性傳染病威脅提供方法學支撐。

據悉，《Briefings in Bioinformatics》是生物信息學領域最具權威性的綜述類期刊之一，最新影響因子超過13，具有廣泛的學術影響力。張子丁課題組此次受邀發(fā)表綜述論文，反映出中國農業(yè)大學生物學院在計算生物學與病原-宿主互作領域的國際學術影響持續(xù)提升，也為后續(xù)開展更深入的國際合作與協同創(chuàng)新奠定了良好基礎。