從結構到機制分類：用 AlphaMissense 和 FoldX 預測 TP53 突變是「顯性抑制型」還是「功能喪失型」——一個預先註冊的陰性結果

這篇文章在講什麼？

想像你的細胞裡有一個「基因守門人」叫做 TP53——它是人體最重要的腫瘤抑制蛋白，負責在 DNA 受損時踩煞車，阻止細胞癌變，TP53 工作時會四個一組（四聚體），像四個人手拉手圍成一圈才能發揮功能。

現在，如果其中一個 TP53 因為基因突變而壞掉了，會發生兩種截然不同的事：

功能喪失型（Loss-of-Function, LOF）：壞掉的那一個自己退場，剩下三個正常的繼續工作，功能損失大約 25%。

顯性抑制型（Dominant-Negative, DN）：壞掉的那一個不但不退場，還混進四聚體裡面搗亂，讓整組人都無法工作——一個老鼠屎壞了一鍋粥。

DN 突變的臨床後果比 LOF 嚴重得多，跟更高的癌症風險和更早的發病年齡有關，所以，能不能用機器學習來預測一個突變是 DN 還是 LOF？

這篇論文做了一件很少見的事：預先註冊假說、設定判定標準，然後誠實報告了一個陰性結果，作者假設「考慮蛋白質複合體結構的 FoldX 特徵」能超越簡單的 AlphaMissense + 單體 FoldX 基線模型，但結果是——沒有超越，AUROC 只提升了 0.013，信賴區間跨越零。

但這個「失敗」反而揭示了兩個意外發現：

1. AlphaMissense + 單體 FoldX 這個簡單基線就達到了 AUROC 0.892，遠超預期
2. 光靠「突變在蛋白質的哪個位置」這一個特徵，Random Forest 就達到 AUROC 0.946

這告訴我們：在 TP53 這個特定的資料集上，DN 和 LOF 突變的分佈本身就有極強的位置規律——這不是 bug，而是真實的生物學。

Part 1：背景知識——給剛入門的你

什麼是 TP53？

TP53（又稱 p53）被稱為「基因組的守護者」（Guardian of the Genome），是人體中最常被突變的腫瘤抑制基因，在所有人類癌症中，大約 50% 都有 TP53 突變。

TP53 蛋白的工作是：當細胞 DNA 受到損傷時，啟動修復程序，如果修不好，就啟動細胞凋亡（讓細胞自殺），防止損傷的細胞繼續分裂變成腫瘤。

關鍵結構特徵：TP53 是一個 四聚體蛋白——它需要四個 TP53 分子組裝在一起才能正常工作，這個特性直接決定了 DN 和 LOF 突變的差異。

TP53 蛋白有幾個重要的結構域（domain）：

什麼是 Dominant-Negative（DN）vs. Loss-of-Function（LOF）？

這是理解整篇論文的核心概念，用一個比喻來說明：

想像一個划龍舟隊伍有四個人（= TP53 四聚體）：

LOF 突變：其中一個人受傷退出，剩下三個人繼續划，船還是能動——只是少了一份力量，但不影響其他人的表現。

DN 突變：受傷的人堅持上船，不但自己不划，還故意把船槳往反方向划，導致整條船無法前進——一個人拖垮整支隊伍。

在分子層面：

• LOF：突變的 TP53 無法摺疊或無法結合 DNA，但不影響其他正常的 TP53 分子
• DN：突變的 TP53 仍然能參與四聚體組裝，但組裝後的四聚體無法正常結合 DNA，等於把正常的 TP53 一起拉下水

臨床意義：DN 突變跟 Li-Fraumeni 症候群（一種遺傳性癌症易感症候群）的更高外顯率有關，代表患者更年輕就會發病，且癌症種類更廣。

什麼是 AlphaMissense？

AlphaMissense 是 DeepMind（Google）在 2023 年發表的蛋白質致病性預測工具。它基於 AlphaFold 的架構，針對人類蛋白質組中所有可能的錯義突變（約 7,100 萬個），預測每一個突變是「良性」還是「致病」的。

重要限制： AlphaMissense 預測的是「致病性」（pathogenicity），但 不區分致病的機制。它會告訴你「這個突變可能致病」，但不會告訴你「它是透過 DN 還是 LOF 機制致病的」。

這正是本論文想解決的問題：能不能在 AlphaMissense 的基礎上，加入結構特徵來區分機制？

什麼是 FoldX？

FoldX 是一個計算蛋白質穩定性的經典工具。它可以：

• BuildModel：模擬一個突變，計算突變前後蛋白質穩定性的變化（ΔΔG，單位 kcal/mol）
• AnalyseComplex：計算蛋白質複合體中，某條鏈與其他鏈之間的交互作用能量

正的 ΔΔG 代表突變使蛋白質變得不穩定，負的代表更穩定。

本論文用 FoldX 計算了兩種 ΔΔG：

• 單體 ΔΔG（monomer）：突變對單一 TP53 鏈的穩定性影響
• 界面 ΔΔG（interface）：突變對 TP53 與其他鏈之間交互作用的影響——這是作者認為能區分 DN 和 LOF 的關鍵特徵

什麼是 Deep Mutational Scanning（DMS）？

跟上一篇文章一樣，DMS 是一次性測量蛋白質上幾乎所有可能突變效果的高通量技術。

本論文使用的是 Giacomelli et al. (2018) 的 TP53 飽和突變實驗數據。這個實驗在兩種細胞株（A549 和 H1299）中測量了 TP53 所有錯義突變的功能效果，根據兩種細胞株的不同表現模式，可以區分突變是 DN 還是 LOF。

經過嚴格篩選後，最終納入分析的是 105 個標記明確的突變：45 個 DN-only，60 個 LOF-only。

什麼是預先註冊（Pre-registration）？

這是本論文最特別的地方。

在傳統研究中，研究者可能會在看到結果後，調整分析方法或閾值，讓結果看起來更好——這叫做 p-hacking 或 HARKing（Hypothesizing After the Results are Known）。

預先註冊 是一種對抗這種偏差的方法：在跑任何模型之前，先把假說、分析方法和判定標準白紙黑字寫下來，甚至計算 SHA256 hash 鎖定文件內容，然後不管結果好壞都照實報告。

這篇論文設定了四個必須全部通過的「停止/前進」（stop/go）標準，結果三個失敗了——作者選擇誠實報告這個陰性結果，而不是換一個角度重新包裝成「正面」發現。這在學術界是很難得的。

Part 2：把生物問題轉成 ML 問題

定義標籤：什麼是 DN？什麼是 LOF？

不同於上一篇的 GPCR 研究需要自己設定連續值的閾值，這裡的標籤來自 Giacomelli et al. (2018) 的實驗設計——他們在兩種細胞株中測量了突變的效果：

• A549 細胞（有內源性 wild-type TP53）：DN 突變能毒害內源性的正常 TP53，表現出明顯的生長優勢；LOF 突變因為不影響內源性 TP53 的功能，效果則小得多
• H1299 細胞（沒有內源性 TP53）：沒有正常的 TP53 可以被毒害，DN 和 LOF 突變都表現為功能缺失

透過比較突變在這兩種細胞株中的差異表現——DN 突變在 A549 中特別突出，而在 H1299 中則不然——就可以區分 DN 和 LOF。

本論文採用 嚴格標記管線（strict labeling pipeline），只保留標記完全明確的突變：

TP53 所有錯義突變
  → 嚴格篩選（只保留 DN-only 或 LOF-only）
    → 105 個突變
      → 45 個 DN-only（42.9%）
      → 60 個 LOF-only（57.1%）

既有工具為什麼不夠用？

在動手建模型之前，作者先測試了兩個現成工具：

AlphaMissense：能預測致病性，但 不區分機制，它對所有 105 個突變都給出「致病」分數，但無法告訴你哪個是 DN、哪個是 LOF。

mLOF（Badonyi & Marsh）：這是一個預測基因層級機制傾向的工具，但問題是——它對整個 TP53 基因只輸出 一個 結果（mLOF score = 0.567，「最可能是 LOF」），而不是對每個突變給出個別判斷。

所以，目前沒有開源的 per-variant 機制分類器可以用在 TP53 上，這就是本論文的出發點。

特徵設計：從結構中提取什麼資訊？

作者設計了兩組模型：

基線模型（Baseline，2 個特徵）：

完整模型（Full，6 個特徵）：基線 + 4 個複合體特徵

核心假說： 如果 DN 突變必須進入四聚體才能「搗亂」，那它們在蛋白質複合體界面上的能量特徵應該跟 LOF 突變系統性地不同——DN 突變應該保留界面結合能力（才能組裝），而 LOF 突變可能破壞界面。FoldX AnalyseComplex 正好可以量化這種差異。

結構覆蓋問題：43% 的突變沒有結構特徵

這裡有一個實務上很重要的問題：作者使用的結構 PDB 2AC0 只涵蓋 DBD 域（殘基 94–293），但 105 個突變中有 45 個（43%）落在這個範圍之外。

這些「範圍外」的突變，所有 FoldX 相關特徵都是 NaN，作者使用 中位數填補（median imputation）加上缺失指示變數（missingness indicator） 來處理：

from sklearn.impute import SimpleImputer

imputer = SimpleImputer(strategy="median", add_indicator=True)
X_imputed = imputer.fit_transform(X)

add_indicator=True 是一個有意為之的設計選擇——因為「是否為 NaN」本身就編碼了位置資訊（範圍外的突變 = NaN），作者刻意讓模型能看到這個模式，而不是隱藏它。這種透明性與稍後的 position-only 控制分析一脈相承。

預先註冊的 Stop/Go 標準

在跑任何模型之前，作者設定了四個標準，必須全部通過 才算「前進」（GO）：

這是非常嚴格的標準設計——不是「任一通過」，而是「全部通過」。

Part 3：模型訓練與評估

兩種分類器的選擇

作者同時使用了兩種模型：

Logistic Regression（LR） 作為預先註冊的主要模型——簡單、可解釋、不容易過擬合。

Random Forest（RF） 作為非線性交叉驗證——能捕捉特徵間的交互作用。

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import RepeatedStratifiedKFold
from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler

# 主要模型：Logistic Regression
lr_pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='median', add_indicator=True)),
    ('scaler', StandardScaler()),
    ('clf', LogisticRegression(max_iter=2000))
])

# 交叉驗證模型：Random Forest
rf_pipeline = Pipeline([
    ('imputer', SimpleImputer(strategy='median', add_indicator=True)),
    ('clf', RandomForestClassifier(n_estimators=300, max_depth=4))
])

# 5-fold CV，重複 10 次
cv = RepeatedStratifiedKFold(n_splits=5, n_repeats=10, random_state=42)

結果：預先註冊的判定

預先註冊比較：Full vs. Baseline

Δ AUROC = +0.013
Bootstrap 95% CI = [−0.025, +0.055]
Fold consistency = 6/10

四個標準的判定結果：

判定結果：STOP。 三個標準獨立失敗，複合體結構特徵沒有在預先設定的閾值上超越基線。

關於 C3 為什麼沒有評估：feature importance 的計算腳本因為 SimpleImputer 產生的指示變數數量與 feature_names 不匹配而報錯，作者選擇 不在事後修補腳本，理由是：判定結果已經由 C1、C2、C4 決定了，事後修補評估程式碼會打開「選擇性重新分析」的後門——這正是預先註冊要防止的事情。

這個決定在方法論上是正確的，即使它讓論文看起來「不完美」。

Part 4：兩個意外發現——為什麼「失敗」比「成功」更有資訊量

發現一：AlphaMissense 隱含了機制資訊（AUROC 0.892）

AlphaMissense + 單體 FoldX 這個只有兩個特徵的基線模型，在一個 它從未被訓練來做的任務 上達到了 AUROC 0.892。

為什麼這很令人驚訝？AlphaMissense 被訓練來預測的是「這個突變是否致病」，而不是「它透過什麼機制致病」。它不知道什麼是 DN 或 LOF。

那為什麼它能區分？作者提出了一個假說：

DN 突變可能承受比 LOF 突變更強的負向選擇壓力，原因是：一個 DN 等位基因可以毒害整個四聚體，所以它的破壞力遠大於只影響一個亞基的 LOF 等位基因。如果 AlphaMissense 透過序列上下文捕捉到了這種不對稱的選擇壓力，它的致病性分數就會 隱含地 與機制相關——即使機制標籤從未在訓練中使用過。

這是一個假說，不是結論，但實證觀察本身（AUROC 0.892）是確定的，而且據作者所知，這個數字從未在文獻中被報告過。

對未來研究的建議： 任何聲稱在 TP53 上做 DN vs. LOF 分類的新模型，都應該以 AM + 單體 FoldX（AUROC 0.892）作為最低基線來比較。

發現二：位置本身就是最強的預測器（AUROC 0.946）

這是更意外的發現。作者把「突變在蛋白質上的殘基位置」作為唯一特徵，用 Random Forest 來分類，結果 AUROC 達到 0.946——比用了 6 個精心設計的結構特徵的完整模型（LR AUROC 0.904）還高。

為什麼？看一下突變的分佈就明白了：

DN-only（45 個突變）：
  ├── DBD 域（殘基 94–293）：43 個（95.6%）
  ├── TET 域（殘基 319–360）：0 個（0%）
  └── 其他區域：2 個（4.4%）

LOF-only（60 個突變）：
  ├── DBD 域（殘基 94–293）：17 個（28.3%）
  ├── TET 域（殘基 319–360）：37 個（61.7%）
  └── 其他區域：6 個（10.0%）

幾乎所有 DN 突變都在 DBD，幾乎沒有 DN 突變在 TET；而 LOF 突變的大多數在 TET，一個 Random Forest 只要學會「如果位置在 TET 範圍 → LOF；如果位置在 DBD 範圍 → 可能是 DN」，就能拿到 0.946。

但這不是 bug——這是真實的生物學。

為什麼 DN 突變不會出現在 TET 域？用龍舟的比喻：要當「搗亂的隊友」，你首先得 能上船。TET 域負責的就是「讓四個人上船」的組裝過程，如果突變破壞了 TET 域，這個突變的 TP53 根本無法加入四聚體——它上不了船，自然就無法搗亂，只能被歸類為 LOF。

反過來，DBD 域負責的是「划船的方向」（DNA 結合），DBD 突變可以保留上船的能力（TET 域完好），但一旦上船就把方向帶偏——這就是典型的 DN 機制。

這個發現的啟示： 在 Giacomelli 嚴格標記的 TP53 資料集上，DN/LOF 的區分很大程度上是一個 位置分區 問題，任何新的分類模型都應該報告 position-only Random Forest 的效能作為 sanity check——如果你的模型沒有超越「只看位置」，那它可能只是在用更複雜的方式做同一件事。

為什麼 Logistic Regression 在 position-only 上只有 0.673？

Position-only 的 LR AUROC 只有 0.673，而 RF 有 0.946，差距巨大。原因是位置與標籤之間的關係是 非線性、非單調 的：

• 位置 94–293（DBD）→ 傾向 DN
• 位置 319–360（TET）→ 傾向 LOF
• 其他位置 → 混合

Logistic Regression 只能學到「位置越大/越小 → 越可能是某類」這種單調關係，它無法表達「中間一段是 DN，後面一段是 LOF」這種分段規則，Random Forest 可以，所以差距極大。

Part 5：為什麼 FoldX 界面能量沒有用？

這是一個值得深思的問題。作者的假說聽起來很合理：DN 突變保留界面結合能力，LOF 突變破壞界面——用 FoldX AnalyseComplex 來量化界面能量應該能區分兩者。

但結果是 沒有可偵測的額外貢獻，最可能的解釋是 資訊重疊：

FoldX 界面 ΔΔG 和 AlphaMissense 都在編碼「結構破壞」的某些面向，在只有 105 個樣本的資料集上，FoldX 能提供的額外資訊（超越 AM 已經捕捉到的）小到無法被偵測。

注意這不代表 FoldX 界面能量「沒有用」，它代表的是：在這個特定的任務上、對抗這個特定的基線、在 N = 105 的樣本量下，額外貢獻低於預設的偵測閾值。

統計功率分析也支持這個解讀：N = 105、類別比例 45:60 的情況下，每個測試 fold 只有約 21 個樣本，在 α = 0.05、power = 0.8 的條件下，能可靠偵測的最小 AUROC delta 大約是 +0.05 到 +0.07——比預設閾值 +0.03 還大，一個真實但微小的效果在這個設計下是看不見的。

附錄 A：Feature Engineering 實戰細節（進階）

以下內容適合有 Python 和結構生物學經驗、想深入了解或重現此研究的讀者，如果你只想了解研究的整體思路和結果，可以跳過。

FoldX 計算流程

FoldX 需要對 PDB 結構進行幾個步驟的處理：

# Step 1: 修復結構（補缺失側鏈、優化氫鍵等）
foldx --command=RepairPDB --pdb=2AC0.pdb1

# Step 2: 計算單體 ΔΔG（突變對單條鏈穩定性的影響）
foldx --command=BuildModel \
      --pdb=2AC0_Repair.pdb \
      --mutant-file=individual_list.txt

# Step 3: 計算界面 ΔΔG（鏈 A vs. 鏈 BCD）
foldx --command=AnalyseComplex \
      --pdb=2AC0_Repair.pdb \
      --analyseComplexChains=A,BCD

# Step 4: 計算界面 ΔΔG（鏈 A vs. DNA 鏈）
foldx --command=AnalyseComplex \
      --pdb=2AC0_Repair.pdb \
      --analyseComplexChains=A,EF

PDB 2AC0 是什麼？ 這是 TP53 DBD（DNA 結合域）四聚體與 DNA 結合的晶體結構，由 Kitayner et al. (2006) 解析，包含四條蛋白質鏈和 DNA，涵蓋殘基 94–293。

AlphaMissense 分數提取

import pandas as pd

# 從官方 Zenodo 批量檔案中提取
am = pd.read_csv('AlphaMissense_aa_substitutions.tsv.gz',
                  sep='\t', comment='#')

# 篩選 TP53（UniProt P04637）
tp53_am = am[am['uniprot_id'] == 'P04637']

# 與突變列表合併
merged = variants.merge(tp53_am,
                        on=['position', 'alt_aa'],
                        how='left')

缺失值處理的細節

from sklearn.impute import SimpleImputer

# add_indicator=True 會為每個有 NaN 的特徵列
# 額外產生一個二元指示列（0/1）
imputer = SimpleImputer(strategy='median', add_indicator=True)
X_imputed = imputer.fit_transform(X)

# 例如：原本 6 個特徵 → 最多變成 6 + 6 = 12 個
# （實際上有 5 個 2AC0 衍生特徵有 NaN，
#   所以是 6 + 5 = 11 個）

為什麼不刪除 NaN 行？ 因為 45 個落在 2AC0 範圍外的突變中有 43 個是 LOF——如果刪除它們，就會嚴重改變類別比例和分類難度。

Bootstrap 信賴區間計算

import numpy as np
from sklearn.metrics import roc_auc_score

def bootstrap_auroc_delta(y_true, y_pred_full, y_pred_base,
                          n_iterations=1000, random_state=42):
    rng = np.random.RandomState(random_state)
    deltas = []

    for _ in range(n_iterations):
        # 有放回地重新抽樣
        idx = rng.choice(len(y_true), size=len(y_true), replace=True)
        y_boot = y_true[idx]

        # 跳過只有一個類別的 bootstrap 樣本
        if len(np.unique(y_boot)) < 2:
            continue

        auroc_full = roc_auc_score(y_boot, y_pred_full[idx])
        auroc_base = roc_auc_score(y_boot, y_pred_base[idx])
        deltas.append(auroc_full - auroc_base)

    deltas = np.array(deltas)
    ci_lower = np.percentile(deltas, 2.5)
    ci_upper = np.percentile(deltas, 97.5)
    return np.mean(deltas), ci_lower, ci_upper

附錄 B：重現這個研究（進階）

環境設置

# 建議使用 conda 環境
conda create -n dnsense python=3.10
conda activate dnsense

# 安裝核心套件
pip install pandas numpy scikit-learn==1.4 openpyxl matplotlib seaborn

# FoldX 需要從官方網站下載（需要學術授權）
# https://foldxsuite.crg.eu/

資料取得

• TP53 DMS 資料： Giacomelli et al. (2018) 的 Supplementary Materials（DOI: 10.1038/s41588-018-0204-y）
• AlphaMissense 分數： Zenodo 批量檔案（DOI: 10.5281/zenodo.8208688）
• PDB 結構： 2AC0（DBD 四聚體 + DNA）、1OLG（TET 四聚體）從 RCSB PDB 下載
• mLOF 工具： https://github.com/badonyi/mechanism-prediction

延伸閱讀

如果你對這個領域有興趣，以下資源可能有幫助：

• AlphaMissense： Cheng et al. (2023) Science. 蛋白質致病性預測的代表性工作。
• mLOF 機制預測： Badonyi & Marsh (2025) Nature Communications. 基因層級的機制分類。
• TP53 飽和突變： Giacomelli et al. (2018) Nature Genetics. 本論文的資料來源。
• FoldX： Delgado et al. (2019) Bioinformatics. 蛋白質穩定性計算工具。
• DN vs. LOF 的結構基礎： Gerasimavicius et al. (2022) Nature Communications. 不同突變機制對蛋白質結構的影響。
• 預先註冊在計算生物學中的應用： 這是一個仍在發展中的領域，但臨床試驗和心理學已經廣泛採用。

關於作者

我是 Po-Chun Chen，獨立研究者，研究方向為計算生物學與資訊安全，這是我以獨立研究者身份發表的第二篇論文。

如果你有問題、想討論，歡迎透過 [email protected] 聯繫我。

論文連結：Chen, P.-C. (2026). Pre-registered evaluation of complex-aware structural features for TP53 dominant-negative versus loss-of-function classification: no detectable gain over an AlphaMissense plus monomer FoldX baseline. Zenodo. https://zenodo.org/records/19494246