生物信息学
膜转运是一项基本的生物学过程，对药理学、生物技术和微生物学具有深远影响。尽管计算方法在注释转运组时大多采用以蛋白质为中心的视角，但直接根据底物的内在属性推断其转运功能仍然是一项重大挑战。在化合物层面研究转运，使得人们能够系统评估分子是否经历主动转运及其所采用的机制，而无需依赖既有的转运蛋白注释。在此，我们提出 ChemProFlow，一个综合性的计算框架，从以底物为中心的视角重新定义转运分析。
通过整合几何深度学习与基于直系同源关系的基因组映射，ChemProFlow 能够预测分子的可转运性，依据转运蛋白分类数据库分配转运机制，并识别编码相应转运系统的微生物。我们表明，这一集成流程能够实现底物—转运蛋白—生物体关系的可扩展端到端映射，并在药理学中用于预测药物转运、在生物技术中用于指导菌株工程设计、以及在微生物学中用于解析不同分类群中的底物利用方面具有广泛应用。
通过捕捉决定可转运性的化学因素，ChemProFlow 可推广至此前未见的底物，并为在多样化生物学背景下系统探索分子转运提供了一个高通量框架。
作者声明不存在竞争性利益。
感谢您有兴趣帮助传播 bioRxiv 的信息。
注意：请求您的电子邮箱地址仅用于将您识别为本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.12.724480v1?rss=1
🏷️ 膜转运 几何深度学习 底物中心预测 转运蛋白 微生物基因组映射 药物转运