真菌效应物预测（FunEffect）

FunEffect 是一个基于 Python 的生物信息学流程，能够从蛋白质 FASTA 文件中自动化预测候选真菌效应物。真菌效应物是病原体在感染期间部署的小型分泌蛋白，用于操纵宿主植物细胞的机制。手动识别这些候选物——即运行多个工具、解析输出并应用过滤逻辑——不仅容易出错，而且耗时。FunEffect 将五个成熟的生物信息学工具串联为一个可重复的工作流：SignalP → WoLF-PSORT → TMHMM → PredGPI → EffectorP，采用渐进式过滤策略：首先筛选分泌蛋白，然后去除跨膜蛋白和 GPI 锚定蛋白，最后进行效应物精炼。

FunEffect 的功能

从核心上讲，FunEffect 旨在回答一个简单的问题：“我的真菌蛋白质组中哪些蛋白质可能是效应物？” 它通过应用基于效应物生物学标志的分层过滤策略来回答这个问题——即真正的效应物是到达细胞外空间的分泌蛋白，而不被锚定在细胞膜上或附着 GPI。该流程通过以下逻辑关卡处理每一个蛋白质：

1. 信号肽检测 — 仅保留携带 N 端信号肽（分泌的前提条件）的蛋白质。
2. 胞外定位确认 — 在信号肽阳性的蛋白质集合中，仅保留被 WoLF-PSORT 预测为定位于胞外的蛋白质。
3. 跨膜螺旋剔除 — 剔除被预测出含有跨膜螺旋（表明其嵌入细胞膜而非被分泌）的蛋白质。
4. GPI 锚定剔除 — 同时剔除被预测为 GPI 锚定（拴在细胞膜上而非自由分泌）的蛋白质。
5. 效应物精炼 — 将存留的候选物输入 EffectorP，这是一个专门训练用于区分效应物与其他分泌蛋白的机器学习分类器。

最终输出是一个包含高置信度效应物候选者的 FASTA 文件，以及一个制表符分隔的预测分数表。

五种预测类别、其触发条件以及所报告概率的语义含义：

输入与输出概览

输入文件采用标准 FASTA 格式——每条蛋白质以包含登录标识符的 > 头行开始，后跟一行或多行氨基酸序列

输出文件

*_effectors.fasta：预测的效应子 FASTA 序列

*_effectors.tab：带分数的制表符分隔效应子预测结果

Identifier：序列标识符；Cytoplasmic effector：胞质效应子预测得分，模型预测该蛋白为进入宿主细胞质发挥功能的效应子的概率；Y (x) 表示预测为该类，- 表示否；Apoplastic effector：质外体效应子预测得分，模型预测该蛋白为在宿主质外体（apoplast）中发挥作用的效应子的概率；Non-effector：非效应子预测得分，模型预测该蛋白不是效应子的概率；Prediction：EffectorP 综合三类得分后给出的最终预测标签。

signalP_positive.faa：SignalP 阳性序列

WolfPSort.out：WoLF-PSORT 亚细胞定位结果

*_predgpi.gff：PredGPI 锚定预测结果

*_summary.signalp5：SignalP 汇总报告

软件版本：

SignalP v5.0          WoLFPSort 

EffectorP v3.0        TMHMM v2.0

predGPI                 Python 3.x

参考文献：

https://github.com/datomicsLab/FunEffect

2026-07-23 Version1：支持真菌蛋白质效应物预测

• 客服电话：
  15618809518
• 客服手机：
  15618809518（微信同号）
• 联系邮箱：
  marketing@winnerbio.cn
• 客服微信：
• 微信公众号：