Nature子刊：機器學習方法擴展了antiCRISPR蛋白家族的所有成員機器學習方法擴展了anti-CRISPR蛋白家族的成員Machine-learning approach expands the repertoire of anti-CRISPR protein families原文鏈接：https://www.nature.com/articles/s41467-020-17652-0Nature Communicaton [IF: 12.121]發表時間: 2020-07-29第一作者：Ayal B. Gussow1通訊作者：Eugene V. Koonin1（koonin@ncbi.nlm.nih.gov）其他作者：Allyson E. Park2錛 Adair L. Borges2錛 Sergey A. Shmakov1錛 Kira S. Makarova1錛 Yuri I. Wolf1錛 Joseph Bondy-Denomy2作者單位：1 美國國立衛生研究院國家生物技術信息中心（National Center for Biotechnology Information錛 National Library of Medicine錛 National Institutes of Health錛 Bethesda錛 MD 20894錛 USA）2 加州大學舊金山分校微生物和免疫系（Department of Microbiology and Immunology錛 University of California San Francisco錛 San Francisco錛 CA錛 USA）摘要CRISPR-Cas是細菌和古細菌的適應性免疫系統，已被用于開發強大的基因組編輯工具。在寄生關系（host-parasite）的無休止軍備競賽中，病毒進化出多種抗防禦機制，包括特異性抑制CRISPR-Cas的多種anti-CRISPR蛋白(Acrs)，因此具有基因組編輯工具調節工具的巨大應用前景。大多數Acrs都是小且高度可變的蛋白質，這使得運用生物信息學方法預測它們成為一項艱巨的任務。我們提出了一種用于Acrs綜合預測的機器學習方法。該模型在未見的（unseen）測試集上測試時顯示出很高的預測能力，並預測了2500個候選Acrs家族。對最佳候選Acrs的實驗驗證表明，兩個未知的Acrs (AcrIC9，IC10)和另外三個最佳候選Acrs被巧合地識別並發現具有anti-CRISPR活性。這些結果大大擴展了預測Acrs的範圍，並為實驗驗證Acrs提供了資源。介紹研究anti-CRISPR的意義所有的生命形式都是在來自眾多病毒和其他寄生遺傳因素的持續壓力下進化的，

水果盤玩法

因此進化出了多種防禦系統。CRISPR-Cas是適應性免疫系統，存在于幾乎所有的古細菌和大約40%的細菌中，並已被用于開發強大的基因組編輯工具。在無休止的寄生軍備競賽中，病毒進化出多種抗防禦機制，包括目前已知由46個不同家族組成的多種anti-CRISPR蛋白(Acrs)。Acrs採用不同的機制來消除CRISPR-Cas系統的活性。迄今為止研究的大多數Acrs與CRISPR-Cas效應蛋白的重要功能位點結合，並對來自窄譜（narrow range）細菌或古細菌的特定CRISPR-Cas變體表現出高度的特異性。然而，一些Acrs具有更廣泛的特異性，例如，作為核酸模擬物（nucleic acid mimics）。此外，最近發現了具有□活性的Acrs，如乙□轉移□（acetyltransferases）和核酸□（nucleases）。顯然，Acrs是具有巨大的應用潛力的基因組編輯的調節工具。已有的檢測方法盡管發現Acrs對理解原核生物中宿主-寄生相互作用的生物學機制及其調節CRISPR在DNA編輯應用的潛力十分重要，但Acrs的發現仍然是一項艱巨的任務。Acrs的氨基酸序列是極其多變的，這可能反映了細菌和古細菌中CRISPR-Cas系統的高度可變性和多樣性。即使使用最強有力的序列分析方法，Acrs的小尺寸和高度進化可變性的結合阻礙了對它們的檢測。目前已知的Acrs家族是使用各種定制（customized）的方法發現的，兩種主要的生物信息學方法是guilt-by-association和自我靶向（self- targeting）。guilt-by-association尋找通常在Acrs下遊編碼的含HTH的同源物。這種蛋白被稱為anti-CRISPR相關蛋白(Aca，圖1)，在病毒中明顯比Acrs本身更保守，這極大地促進了它們的檢測。然後搜索編碼Aca同源物的基因組鄰近區域，尋找潛在的Acrs。圖1 已知Acrs的特征Fig. 1: Characteristics of known Acrs.(a) 一個directon的示意圖。Acrs蛋白的特征是位于一個含HTH結構域的基因的上遊，稱為Aca。Acrs通常存在于可能的可移動基因元件中，如噬菌體。Acr directon用金色顯示，而週圍的蛋白質用藍色顯示。典型地，Acrs與小的、未鑑定的蛋白質直接相關。(b) Acr長度的密度圖。X軸表示蛋白質長度的對數，以氨基酸為單位。Y軸表示根據x值的數據估計的概率密度函數(c) Acr directons蛋白質平均長度的密度圖。X軸表示氨基酸中蛋白質平均長度的對數。Y軸表示根據x值的數據估計的概率密度函數self-targeting包含CRISPR-Cas系統的原核生物基因組包含靶向相同基因組區域的間隔區（spacers），這種系統被稱為自我靶向（self-targeting）。在這種情況下，CRISPR-Cas系統理論上應該瞄準並殺死宿主細胞。因此，具有自我靶向基因組的生物體只有在攜帶Acrs以阻止CRISPR-Cas發揮作用時(或者，通過採用另一種策略保持CRISPR-Cas沉默)才能存活。目前存在的問題盡管這兩種方法取得了顯著的成功，並得到了許多實驗驗證的支持，但這兩種方法都沒有提供檢測Acrs的整合方法。Acrs除了極端的序列可變性，都能在抑制CRISPR中的作用之外，幾乎沒有其他顯著特征。在這裡，我們描述了一個系統的機器學習方法，用來預測Acrs，基于幾個已知的Acrs屬性和一個使用已知Acrs的啟發式（heuristics）的二次篩選，以進一步豐富候選Acrs（Acr candidates）。我們表明，這種方法對Acrs有顯著的預測作用，我們預測了2500個以前未被檢測到的Acrs家族，並實驗驗證了最佳候選Acrs。結果已知Acrs的描述性特征Characteristic features of the known Acrs我們方法背後的一般概念是將Acrs傾向于共享的少數特征整合到一個檢測模型中。因此，我們的第一步是整合和量化以前發現的Acrs共同的特征。為了跟蹤已知的Acrs，我們依賴于審編過的Acrs數據庫和我們自己的手動審編的結果。在我們整理數據時，共有39個Acrs家族是已知的。我們用這個原始集合在NCBI的非冗餘數據庫(NR)中使用PSI-BLAST（Position Specific Iterated – BLAST）迭代搜索同源物(homologs)，並為每個Acrs家族構建一個蛋白序列多重比對。然後，我們使用這些比對作為我們PSI-BLAST搜索本地蛋白質序列數據集的查詢（query），該數據集包括原核的和原核病毒的蛋白質，共由182561570個蛋白質組成。所有e值低于10e- 4閾值的命中（hits）都經過人工篩選，以消除明顯的假陽性，

印度神童預言成真

例如對非常大的蛋白質的部分假陽性命中（hits）或對具有明確指定功能(與anti-CRISPR活性無關)的蛋白質的命中（hits），以創建高置信度的Acrs數據庫。最終的陽性集合由3654個Acr組成，跨越32個家族(7個已知的Acrs家族在我們的數據庫中沒有出現)。Acrs最顯著和最明顯的共同特征是它們的序列短（small size）(加權平均Acr長度:104 aa，表1)，並且傾向于形成由(溶源)病毒基因組中的同向和緊密間隔的基因編碼的小蛋白質集合(以下稱為定向子（directons）；圖1，表1)。我們假設這些定向子（directons）基因主要由共同轉錄的早期抗防禦基因組成。表1 已知Acrs的特征表所有評估特征的加權平均值，以及它們是否用于最終模型的情況。除了這些獨特的特征，我們還考慮了其他可能具有預測性的蛋白質特征，如蛋白質編碼基因在一個定向子（directon）內的間距(“定向子間距（Directon Spacing）”，表1)或蛋白質疏水性(“平均疏水性（Mean Hydrophobicity）”，表1)。我們還考慮了當使用PSI-BLAST (e值 10e-4，“蛋白質被注釋（Protein is Annotated）”，表1)在NCBI保守結構域數據庫(Conserved Domain Database，CDD)或原核病毒直向同源群(Prokaryotic Virus Orthologous Groups，pVOG)中搜索保守結構域時，蛋白質是否具有顯著的命中。因為具有保守結構域的蛋白質可能執行其他無關功能，就不太可能是Acrs。總的來說，我們構建了一個由12個特征組成的集合(表1)，它們一起提供了一個用于識別候選Acrs（Acr candidates）的可量化特征的概要（compendium）。訓練和測試數據集Training and test sets為了建立一個預測模型，需要一個由兩部分組成的訓練集：一個由先前發現的Acrs組成的正集，和一個由確定不是Acrs(非Acrs)的蛋白質組成的負集。 對于正集，Acrs按其家族和內部相似性進行加權，以確保相關和高度相似的Acrs不會在訓練數據集中出現過多。因為沒有明確的標準來確定已知非Acrs蛋白質組，我們通過隨機選擇病毒和原核蛋白質構建了陰性組，假設大多數蛋白質是非Acrs。通過從1000個隨機選擇的原核病毒基因組和4000個隨機選擇的含CRISPR-Cas的原核生物基因組的組合中隨機選擇蛋白質來構建負訓練數據集。類似于正集，我們試圖避免對特定的蛋白質家族進行過採樣（oversampling）。因此，這些蛋白質通過序列相似性進行聚類，並且對于每個聚類，選擇單個代表。我們從這個集合中隨機選擇了3500個蛋白質來組成陰性的非Acrs數據庫。在我們研究預測模型的時候，另一個Acrs的集合發表了。我們將這些作為一個未見（unseen）的測試集納入我們的分析中，也就是說，一組在訓練階段不可用的Acrs，我們可以用來測試我們的模型。 因此，我們的訓練集由2018年9月前發布的所有已知的Acrs組成(正集：n = 2775，26個族；負集：n = 2600)，測試集包括在該日期之後發表的Acrs (陽性集合：n = 879個蛋白質，6個家族；陰性組：n = 600個蛋白質)。模型訓練和評估Building and evaluating a predictive model鑑于我們相對較小的正集，我們試圖確定一個傾向于低方差（low variance）的模型。因此，我們選擇了一個由極其隨機的樹組成的隨機森林（a random forest of extremely randomized trees）。作為一種具有高度隨機成分的集成方法，它相比其他機器學習方法更不可能對訓練數據進行過度擬合，同時允許特征的非線性映射來標記數據和特征的復雜相互作用。該模型由一個具有1000棵決策樹的隨機森林組成。在訓練模型時，每棵決策樹都是基于訓練數據的隨機抽樣建立的。決策樹中的每個分割是通過在特征的隨機子集上隨機選擇多個值，然後將使錯誤分類的可能性最小化的值設置為決策樹分割的閾值來確定的。因此，最終的隨機森林由1000個決策樹組成，其中每個決策樹的葉節點對應于訓練集的成員。當使用該模型評估候選蛋白質時，候選蛋白質遍歷每個決策樹。在每棵樹中，它都在一個葉子節點中結束，葉子節點包含訓練集中的Acrs和非Acrs的混合。該樹為候選對象分配一個等于其葉節點中Acrs的分數。由模型指定的分數是所有1000棵樹的分數的平均值。使用我們開發的模型和訓練集，我們通過三重交叉驗證的五次迭代（five iterations of threefold cross- validation）來評估模型的性能。在每次迭代中，模型在三分之二的Acrs家族上進行訓練，

老虎機破解app

並評估其預測其他家族的能力。對于測試集中的每種蛋白質，我們使用隨機森林模型預測了一種蛋白質成為Acrs的可能性。由于給定正負集合中樣本權重不平衡，我們在訓練模型時對負集合進行加權，使其組合權重等于正集合的權重。這個權重被應用于模型訓練和評估。我們依靠曲線下（under the curve，AUC）的接收機工作特性（receiver operating characteristic，ROC) 面積來評估模型性能，並使用遺傳算法進行特征選擇。ROC是根據真陽性率(正確識別的Acrs比例)和假陽性率(預測為Acrs的非Acrs比例)繪制的。平均而言，在所有15次交叉驗證迭代中，我們發現我們的方法對Acrs有顯著的預測作用，AUC為0.93(permutation p：0.001)。接下來，我們使用該模型來預測未見（unseen）測試集中的Acrs。發現該模型能顯著區分Acrs和非Acrs，AUC為0.83(permutation p：0.001；圖2)。這一結果表明，我們的方法確實能夠預測訓練集中不存在的Acrs。圖2 在未知（unseen）測試集上評估模型Fig. 2: Model assessment on an unseen test set.(a) 模型的ROC曲線在一個未見（unseen）的測試集上的得分。(b) 使用置換模型分數計算的1000個AUC的直方圖，與代表無效AUC分布的未見（unseen）測試集進行比較。正如校準良好的評估所預期的，null AUC分布以0.5為中心，表明隨機分離。正確模型分數的AUC為0.83，用紅線表示。我們通過設置分類閾值，將模型輸出的分數轉換為二分類預測，從而最大化訓練集中的交叉驗證平衡的精度。二分類模型在測試集上達到78%的精度值（precision）和57%的召回率（recall）(permutation p：0.001)。在測試集中評估的六個Acrs家族中的三個成員在大部分時間被檢測到(AcrIF12-IF14)，而其餘三個家族的成員在不到一半的時間被檢測到，測試集中的AcrIE7的單個成員未被模型檢測到。使用這個模型預測AcrsUsing the model to predict Acrs在最近發現的Acrs測試集上正式展示了我模型的預測能力後，我們試圖利用這個模型來生成一個富集的Acrs數據集。我們將模型預測與基于已知Acrs的其他富集方法相結合，期望這種結合最終能富集真正的Acrs，但需要注意的是，明確應用額外的富集方法會使預測性能偏離模型報告的性能，並可能使結果集偏向于忽略與已知Acrs的親緣關系遠的其他Acrs家族。首先，我們試圖定義一個富含Acrs蛋白質的合適搜索空間。最初的數據集由182561570個蛋白質組成，其中大部分(182332040個)來自原核生物，其餘由病毒編碼(229530個)。Acrs通常在原核病毒基因組中編碼，或者在似乎是整合病毒(溶源病毒)或其他可移動遺傳元件(mobile genetic elements，MGEs)的原核基因組區域中編碼。 因此，我們確定了原核生物數據庫的一個子集，該子集由包含完整CRISPR-Cas系統的基因組組成，

瑞幸董事長郭謹一回應被罷免

前提是這些基因組更有可能包含具有針對相應CRISPR-Cas變體的Acrs的溶源噬菌體。我們進一步尋求將原核生物蛋白質組限制在由(假定的)溶源病毒編碼的蛋白質上。雖然有許多方法可以預測完整的溶源病毒及其邊界，但這些方法都不能全面鑑定原核生物基因組中的溶源病毒區域，主要是因為許多溶源病毒被滅活並部分退化（deteriorated）。事實上，許多已知的Acrs是在病毒蛋白附近編碼的，但不一定在編碼標志性病毒基因的明顯有活性的溶源病毒內，或者在明確的溶源病毒邊界內部。因此，我們沒有明確預測溶源病毒，而是通過將原核生物蛋白質組篩選到已知病毒蛋白質附近編碼的蛋白質中來富集病毒相關序列。最終得到的原核病毒和疑似溶源病毒的組合數據集由10938430個蛋白質組成。由于這些蛋白質在很大程度上與病毒有關，我們預期這一組蛋白質可以被用來富集Acrs。用我們的隨機森林模型對這組蛋白質進行了評估，

印度神童預言成真

得到了1546505個候選Acrs的初始集合。我們進一步篩選這些蛋白，只保留那些對保守結構域數據庫(Conserved Domain Database，CDD)或原核病毒同源群(Prokaryotic Virus Orthologous Groups，pVOG)沒有比對結果（hits）的蛋白，產生892830個蛋白。這組蛋白質通過序列相似性聚類，產生232616個蛋白質家族。基于已知的Acr特征，將啟發式的篩選方法應用于這些家族中的每一個，以進一步富集真實Acrs的候選集。Acrs的標志性特征是它們(i)編碼在HTH蛋白的上遊，(ii)在自我靶向基因組中發現。因此，我們要求每個家族中至少有一名成員符合這些標準。篩選後，剩下11304個家族。在這些家族中，有20個家族包含了來自初始正集合的已知Acrs。在使用標志性的Acrs特征進行篩選之後，我們根據我們的初步觀察結果開發並應用了額外的啟發式篩選的閾值。由于編碼Acrs的基因傾向于形成小的directons，我們試圖估計候選家族中平均directons大小的啟發式篩選最大閾值，

勵宮娛樂場

這將豐富我們的真Acrs蛋白質組。因此，我們在11304個已知Acrs的集合中尋找當應用時保留最大部分的閾值，

印度神童預言成真

同時盡可能多地去除掉候選家族。為了量化這個特征，我們使用了平衡精度度量（balanced accuracy metric），它等于兩組之間正確分類分數的平均值。我們發現五個基因的最大平均directons大小給出了最高的平衡準確度。因此，我們移除了平均directons大小超過五個基因的蛋白質家族。篩選後，剩下5507個家族。在剩餘的家族中，18個包括來自初始正集合的已知的Acrs。為了消除額外的假陽性，我們針對我們的序列數據集對每個蛋白質家族比對進行了PSI-BLAST，並且在Acrs是高度可變的、快速進化的蛋白質，在病毒或原病毒環境之外未知編碼的前提下，去除了在不同原核生物中具有大量同源物的家族。我們發現最大化平衡準確度的原核生物同源物數量的探索式截止值是374。因此，我們將我們的集合限制在對原核蛋白質集合沒有超過374個顯著命中（hits）的聚類。接下來，我們通過限制包含在病毒基因組中至少一個編碼同源物或原核生物同源物與溶源病毒同源物比例小的家族來富集病毒蛋白質。我們發現最大化平衡準確度的原核生物與原病毒比率的截止值是3。最後，我們試圖排除那些在用HHBlits評估時有大量注釋的家族，從而包括特征明確的非Acrs。我們發現最大化平衡準確度的閾值是52。經過這一篩選，留下了2526個家族。在留下的家族中，17個包括來自初始正集合的已知的Acrs。雖然，通過應用這些啟發式方法，我們可能會過濾掉一些由模型預測的真實Acrs，並使我們的預測偏向于已知Acrs的特征，但我們預計，總的來說，這種方法豐富了真實Acrs的蛋白質集合。應用上述篩選方法後，我們的富集組由2526個蛋白質家族組成（圖3）。圖3 對候選Acrs的啟發式篩選Fig. 3: Heuristic filtering of the Acr candidates.(a) 啟發式篩選步驟的流程圖。最初的集合由232616個家族組成，首先對包括至少一個下遊編碼含一個HTH結構域的蛋白質的成員和至少一個來自自靶向基因組的成員的家族進行過濾，這是Acr的兩個特征。應用了四個額外的篩選標準，用于平均directon大小、HHBlits的命中數、同源物數目和病毒同源物的富集情況。閾值是根據這裡提供的數據設定的。(b) 一個展示在每個步驟步驟中候選Acrs和已知Acrs與初始正集的百分比的條形圖。紅色條表示每一步剩餘Acrs的百分比，藍色條表示每一步剩餘所有候選Acrs的百分比。初始正集合中剩餘已知Acrs的原始數量顯示在每個紅色條的上方。預測的Acrs的特征Characteristics of predicted Acrs我們針對已知的Acrs和Acrs相關序列的數據集，對所有2526個候選蛋白家族進行了PSI-BLAST。對于這些家族中的26個，檢測到Acrs集合的顯著命中（hits）。在這些蛋白質家族中，22個包含已知的Acrs。 其餘四個與已知Acrs的相關序列有顯著相似性的家族和先前描述的Acrs directons內編碼的非特征性的蛋白質同源，即在Listeria monocytogenes AcrIIA1-4的基因組鄰近區域，所有家族都被懷疑具有Acrs活性，盡管在測試時沒有顯示出這種活性。這些蛋白質以前被命名為OrfA、OrfB和OrfE。除去這26個家族後，我們獲得了2500個候選Acrs家族，包括16919個推定的Acrs。一個家族的平均規模為7，最大的家族包括319名成員，將近一半的家族(49%)只有一個成員(圖4)。圖4 預測的Acrs家族規模的直方圖Fig. 4: Histogram of predicted Acr family sizes.為圖片清晰起見，排除了134個成員超過25個的家族。未顯示的家族的中值為52個成員，最大值為319個成員。給定不同的聚類大小，每個預測的Acrs被分配到一個相應地與聚類大小成反比的權重，以確保相關的和高度相似的預測Acrs不會在匯總統計中出現過多。具體來說，每個預測的Acrs被賦予1/n的權重，其中n是其聚類中預測的Acrs的數量。預測的Acrs的加權平均大小為109 aa，標準偏差為71.6(圖5a)。正如設計所預期的，Acrs基因傾向于形成小的directons(加權平均值:3.4；加權標準差:1.47)由短基因組成(預測Acrs方向中蛋白質大小的加權平均值:200 aa，加權標準差:155；圖5b)。預測Acrs的加權平均等電點（isoelectric）為7.73，加權標準差為2.6，加權平均疏水性為0.31，加權標準差為0.5。根據TMHMM和SignalP預測，加權後15%的預測Acrs具有至少一個推定的跨膜螺旋（transmembrane helix）或信號□（signal peptide），正如所預期的，其顯著低于基于負集的預期(28%，表1)。圖5 候選Acrs的蛋白質長度分布Fig. 5: Protein length distribution of the Acr candidates.預測的Acrs蛋白質長度的密度圖。平均值(109 aa)用虛線表示。預測的Acrs directons的平均蛋白質長度的密度圖。平均值(200 aa)用虛線表示。使用JPred，我們預測了預測的Acrs數據集中一致（consensus）序列的二級結構。對α-螺旋有貢獻的氨基酸的平均百分比是39%，對β-折疊有貢獻的氨基酸的平均百分比是13%。在陰性組中，預測96%和88%的蛋白質分別包含至少一個α螺旋或β折疊，並且對α螺旋和β折疊有貢獻的氨基酸的平均百分比分別為39%和15%。盡管這些值沒有顯著差異，我們測試了這兩個類別的分布是否有顯著差異。我們發現候選組和陰性組中對β-折疊有貢獻的氨基酸分布之間存在顯著差異，但對α-螺旋沒有這種差異。候選的Acrs分布在廣泛的物種中(n= 1770)。Escherichia coli 佔候選Acrs的最大份額，為2.37%。Peptoclostridium difficil (1.46%)和Clostridium botulinum (1.16%)位居前三。當考慮每種CRISPR-Cas亞型在含有預測Acrs的基因組中出現的頻率時，包括多種亞型的情況，三種最常見的亞型是I-E、I-C和I-B(分別佔基因組的27.9%、23.8%和22.2%)。在2500個候選Acr家族中，10%包括至少一個病毒基因組中的編碼成員，279個病毒株至少編碼一個Acrs。在分析的病毒基因組中，197個(71%)編碼一個預測的Acrs，66個(24%)編碼兩個，其餘的(5%)編碼三個或更多的Acrs。古細菌病毒也在這一組中有所表現，在21種古細菌病毒中發現了33種預測的Acrs。單個病毒株中預測Acrs的最大數目是5個，在Ruegeria噬菌體DSS3-P1中觀察到，其中4個落在相同的含HTH的directon上。發現最常編碼一個以上Acrs的病毒是Mycobacterium噬菌體，其次是Bacillus和Synechococcus噬菌體。在古細菌病毒中，發現最常見的編碼一個以上Acrs的病毒是墨西哥Sulfolobales rudivirus，其次是Sulfolobus islandicus 病毒。我們試圖檢查最大的預測Acrs家族的基因組背景，並衡量它們在相似基因組鄰域出現的頻率。我們檢查了十個最大的Acrs家族，並為這些家族在不同基因組鄰域中的成員生成了一個存在-缺失的矩陣(圖6)，基因組鄰域被定義為每個Acrs上遊和下遊的十個基因。每一列是一個基因組鄰域(按相似性排序)，每一行代表一個Acrs家族。盡管這個子集中較大的Acrs家族傾向于出現在相似的基因組鄰域中，但在這些鄰域中，我們也發現了分散的預測Acrs singletons。這種模式類似于在已知Acrs中觀察到的模式，在已知Acrs中，存在于給定directon中的Acrs在密切相關的菌株之間變化，一些Acrs出現在幾乎所有directon的實例中，而其他Acrs偶爾出現。圖6 基因組中Acrs家族的存在-缺失矩陣。Fig. 6: PresenceCabsence matrix of Acr families in genomic contexts.二元矩陣，其中每一列是不同的基因組鄰域(按相似性排序)，每一行代表一個Acr族。每個單元格代表附近Acr家族成員的存在與否，紅色代表存在，灰色代表不存在。候選Acrs的個例分析Case by case analysis of top Acr candidates接下來，我們更詳細地檢查了候選Acrs集中的最佳候選。我們構建了一個用于深入檢查的集合，通過篩選具有四個以上成員的家族，並選擇具有最高平均模型分數的30個家族。使用HHPRED、PSI-BLAST對照NR庫和每個候選的基因組背景來探索這前30個家族。此外，從Proteobacteria中選擇了31個與I-C型、I-E或I-F型有關聯的最佳候選和Pseudomonas aeruginosa的這些亞型進行交叉試驗。Additionally錛 an overlapping but distinct set of 31 top candidates from Proteobacteria possessing associations with type I-C錛 I-E錛 or I-F were selected for experimental inter- rogation against these subtypes in Pseudomonas aeruginosa.以前已經表明，Acrs通常在由小基因組成的短directons上編碼，通常包括一個編碼含HTH結構域蛋白質的基因。這種構型已經在多個Acrs家族和許多病毒和溶源病毒基因組中觀察到。這種結構的一個典型例子是AcrIIA1-4族。我們的五大候選Acr家族之一候選4338(以下簡稱C4338)的成員發現于L. monocytogenes 的疑似溶源噬菌體和噬菌體中，與AcrIIA1相鄰，該家族成員的四分之三發現于自靶向（self-targeting）基因組中。在我們分析的時候，沒有發現C4338與任何先前發現的AcrIIA基因同源。然而，在分析完成後不久，正在準備這份手稿時，關于anti-CRISPR功能的C4338測試的初步結果已經被獨立發表。C4338已被鑑定為一種anti-LmoCas9(AcrIIA12)，支持我們的方法發現Acrs的效用。在一個噬菌體(Listeria 噬菌體B054)和四個疑似溶源噬菌體(一個在Listeria innocua中，三個在L. monocytogenes中)中鑑定出C20391家族的成員。所有溶源噬菌體編碼的同源物都在攜帶CAS-II-A的自靶向基因組中發現。這些基因組中的三個也攜帶CAS-II-B。該群中所有溶源噬菌體編碼的成員都在也編碼AcrIIA1的細菌基因組中發現，其中兩個也編碼AcrIIA2和IIA3。鑑于編碼該家族蛋白質的所有基因組都包含CAS-II-A，我們預測這是其anti-CRISPR活性的目標，盡管很難排除CAS-II-B的目標。作為已知Acrs的特征，C20391同源物通常以由三個基因組成的短directons編碼。這些基因中的一個含有HTH結構域，與L. monocytogenes 的OrfD同源。OrfD先前已被鑑定為Acrs directons的標記，並且是AcrIIA1的一個遠緣同源物，但是該蛋白本身並未顯示出Acr活性。該家族的所有成員都與另一個預測的Acr家族C12805的成員相鄰編碼。C12805包括不與C20391相鄰的三個額外成員，但都在與AcrIIA4的直接結合中發現，並且在僅含有CAS-I-B的Listeria 菌株的溶源噬菌體中發現了一個額外的候選成員，C42626。在C42626的基因組鄰域中，一個實例包括含有HTH的擴增版本的AcrIIA4(由L. monocytogenes L99編碼)，而AcrIIA4的其餘兩個實例缺少HTH結構域。然而，對截短的（truncated AcrIIA4）AcrIIA4上遊的核□酸序列的檢查表明，這種截短（truncation）可能是序列注釋中的錯誤，並且AcrIIA4的這些實例的N-末端可以延伸以匹配 L. monocytogenes 99中的AcrIIA4同源物，包括HTH結構域。此外，AcrIIA4包含HTH結構域的區域與OrfD包含HTH結構域的部分相似(38%同一性)，因此AcrIIA4的延伸形式似乎是OrfD和AcrIIA4的融合。因此，候選物C20391、C12805和C42626都包含已知Acrs的標志特征，包括它們落在已知Acrs鄰域和已知Acrs標記物附近的趨勢。這一確鑿的證據極大地提高了我們對這些是真實Acrs的信心，並進一步驗證了該方法的預測能力。經實驗驗證為AcrIC9的C23907家族成員，在一個噬菌體(Rhodobacter RcapNL)和整合在Rhodobacter capsulatus 自靶向基因組中的三個RcapNL溶源噬菌體中被識別到。C23907屬于一個由三個基因組成的小directon，其中第二個基因包含一個HTH結構域。這種含HTH的基因是Aca3的一種遠緣同源物，Acrs是一種先前發現的與Acrs相關的基因，進一步支持了對C23907具有anti-CRISPR功能的預測。第三個directon中的基因是無特征的。包含Acr的三種自我靶向溶源噬菌體出現在具有兩種CRISPR系統的基因組中，I-C型和VI-A型，它們都是C23907的潛在靶標。在Clostridium 中發現了C27905家族的成員。一半的同源物是在自我定位的基因組中發現的。作為Acrs的特征，C27905基因通常屬于2-4個基因的一個小的directon，其中在這個directon中編碼的第二個蛋白質包含一個HTH結構域。directon序列中的其他蛋白質是無特征的。這一組中的所有基因組都含有CRISPR I-C，這是一個潛在的目標C27905。在Xanthomonas 中發現了C11640家族的成員，實驗證明為AcrIC10。在Xanthomonas translucens 中鑑定出8個基因，在Xanthomonas sp. SHU199 中鑑定出1個基因。9個同源物中的8個在自我靶向基因組中被發現。C11640傾向于屬于兩個基因的一個小的directon，這是已知Acrs的特征，其中directon中的第二個基因包含一個HTH結構域。所有含有C11640的基因組都有I-C CRISPR系統，這是C11640的一個潛在目標。為了檢驗這些預測，在表達I-C型、I-E型或I-F的CRISPR-Cas系統的P. aeruginosa 菌株中進行了Acrs驗證。I-E型和I-F型系統在內源（endogenous）水平表達，天然間隔物（spacer）分別靶向噬菌體JBD8和DMS3m，而I-C型系統在菌株PAO1中異源（heterologously）表達，帶有工程間隔物（spacer）。選擇與這三種亞型之一相關的並存在于Pseudomonas 中的候選Acrs，與來自Proteobacteria的前30的Acrs組成員相結合，進行實驗驗證。在這項工作中鑑定的兩個候選物(C40699和C25827)被發現與通過與Aca相關的獨立鑑定的兩種I-C CRISPR抑制劑同源。C25827與AcrIC3同源(100%氨基酸同一性，100%覆蓋率)，C40699與AcrIC4同源(89.4%氨基酸同一性，98%覆蓋率)。合成了其餘29個基因，23個被成功克隆到表達載體中。除了AcrIC3和AcrIC4之外，還證明了兩種蛋白(AcrIC9和AcrIC10)的anti-CRISPR活性，這兩種蛋白也靶向I-C型系統 (圖7)。AcrIC9長度為79個氨基酸，呈高酸性，很像之前描述的模擬Acrs蛋白的DNA。這種蛋白質被發現是高度活性的，是I-C型的CRISPR-Cas完全失活。在我們的實驗條件下，AcrIC10有94個氨基酸，是一種相對中性的蛋白質，其活性比AcrIC9弱約100倍。圖7 anti-CRISPR蛋白AcrIC9和AcrIC10的鑑定Fig. 7: Identification of anti-CRISPR proteins AcrIC9 and AcrIC10.噬菌體DMS3m或JBD8在P. aeruginosa 菌苔上從左到右(十倍系列稀釋)點滴定，P. aeruginosa 菌株表達X軸上表示的的CRISPR-Cas系統(X軸、I-C型、I-F型或I-E型)，其中crRNA靶向指示的噬菌體和指示的Acr或空載體(Y軸)。在針對所有三個系統篩選所有候選Acrs蛋白的過程中，每個組合都被篩選一次。檢測到抑制後，用肉眼確認陽性結果，重復三次。AcrIC9和IC10是測試的兩個最高置信度候選對象，AcrIC4和IC3分別是測試的第四和第六個最高置信度候選對象。在剩餘的21種候選Acr蛋白中，有4種在I-C型菌株中是有活性的，因此沒有針對I-C進行測試，只有6種在實驗室因COVID- 19而關閉之前針對I-F型進行了測試。綜上所述，這些結果證實了用我們的方法進行的最佳候選很可能是有活性的Acrs。討論由于Acrs在病毒及其原核宿主之間進化軍備競賽中的作用，以及它們在基因組工程應用中作為CRISPR-Cas抑制工具的潛在用途，Acrs引起了廣泛研究人員的極大興趣。在這裡，我們證明了機器學習方法對候選Acrs的識別具有很強的預測和鑑別能力。這一結果似乎出人意料，因為Acrs缺乏獨特的功能。然而，這些數量很少的，相當普遍的特征，包括Acrs基因的小尺寸，它們在短directons上的排列，另外，包含HTH蛋白的基因，進化保守性差，與病毒和溶源病毒的關聯，以及自我靶向性，似乎足以進行明顯強有力的Acrs預測。潛在的原因似乎是，在原核生物的病毒中，大多數與病毒復制和形態發生沒有直接關系的基因都參與了抗防禦功能。一個顯著的例子可以在古細菌病毒中找到，其中有高達40%的基因似乎編碼Acrs。因此，我們的預測可能有一個警告：我們預測為Acrs的一些基因可能會針對其他非CRISPR防禦系統。相反，存在這樣的可能性，使用這裡描述的方法，我們只檢測到一個，盡管是主要的，Acrs類別，而其他的可能表現出不同的特性。盡管有上述警告，

水果盤玩法

這裡應用的敏感數據庫搜索、機器學習和啟發式篩選的組合產生了2500個以前未被檢測到的強Acr候選家族，它們構成了一個廣泛的資源，我們可以在網上(http://Acrcatalog.pythonanywhere.com/)獲得，用于Acr-CRISPR交互的結構和功能研究，以及潛在的後續應用。這裡和其他地方提出的實驗驗證證實了許多最佳候選。由于多種原因，在本試驗中，對*P. aeruginosa* 中的單個I-C型、I-E型和I-F型代表的CRISPR-Cas抑制試驗呈陰性的基因可能缺乏抑制活性。它們可能是對所測試亞型的不同變異體或完全不同的亞型特異的Acrs，或在免疫的不同階段起作用的Acrs，如間隔區獲得。用于代表I-C型、I-E型和I-F型系統的三個模型菌株不一定反映候選Acrs和這些系統的不同變體之間的潛在相互作用，也不一定反映發現Acr候選的基因組中存在的不同CRISPR-Cas類型和亞型。未來的工作將需要測試這些候選人對相關系統的興趣物種。最後，這些候選Acr蛋白中的一些可能會抑制其他基于非CRISPR的細菌免疫系統，因為正如最近顯示的那樣，抗防禦基因顯示出在MGe中聚集的強烈趨勢。這項工作中描述的Acrs信號可能廣泛應用于其他原核免疫系統的抑制劑。目前的原核病毒基因組數據庫範圍有限，但增長迅速，這主要歸功于大量病毒的宏基因組發現。此外，

棒球運彩怎麼玩

到目前為止，除了病毒之外，

高爾夫球車

還沒有對其他基因如質粒或轉座子進行過靶向搜索。鑑定整個原核移動體中Acrs的分布是理解軍備競賽的下一個關鍵步驟，軍備競賽有望導致大量Acrs的發現。因此，這項工作的明確延伸包括搜索不斷擴大的病毒基因組數據庫、宏基因組和其他MGE。這種策略的迭代應用將極大地擴展Acrs的多樣性，並且可能發現抑制其他防禦系統。國內外anti-CRISPR相關課題組Huang Lab at HIThttp://homepage.hit.edu.cn/huangzhiweiGuo Lab at UESTChttp://cefg.uestc.cn/anti-CRISPRdb/Bondy-Denomy Lab at UCSFhttps://bondydenomylab.ucsf.edu/Davidson Lab at Toronto Uhttp://individual.utoronto.ca/Davidsonlab/index.htmlWestra lab at Exeter Uhttps://westralab.wordpress.com/延伸閱讀github codehttps://github.com/gussow/acr Dong錛 D.錛 Guo錛 M.錛 Wang錛 S.錛 Zhu錛 Y.錛 Wang錛 S.錛 Xiong錛 Z.錛 Yang錛 J.錛 Xu錛 Z. and Huang錛 Z.錛 2017. Structural basis of CRISPRCSpyCas9 inhibition by an anti-CRISPR protein. Nature錛 546(7658)錛 pp.436-439.Dong錛 C.錛 Hao錛 G.F.錛 Hua錛 H.L.錛 Liu錛 S.錛 Labena錛 A.A.錛 Chai錛 G.錛 Huang錛 J.錛 Rao錛 N. and Guo錛 F.B.錛 2018. Anti-CRISPRdb: a comprehensive online resource for anti-CRISPR proteins. Nucleic acids research錛 46(D1)錛 pp.D393-D398.​根據《國家傑出青年科學基金項目管理辦法》的有關規定，現將2020年度國家傑出青年科學基金建議資助項目申請人名單予以公布。　　建議資助項目申請人有違反《國家自然科學基金條例》《國家傑出青年科學基金項目管理辦法》等有關規定或其他學術不端行為的，任何單位和個人均可在15日內（8月11日 ─ 8月25日）向國家自然科學基金委員會提出書面異議。　　聯系電話：010-62326346　　電子信箱: oic@nsfc.gov.cn　　網上舉報: ri.nsfc.gov.cn　　　　通訊地址：北京市海澱區雙清路83號　　　　　　　國家自然科學基金委員會監督委員會辦公室　　郵政編碼：100085　　附件：2020年度國家傑出青年科學基金建議資助項目申請人名單 國家自然科學基金委員會2020年8月11日 2020年度國家傑出青年科學基金建議資助項目申請人名單序號申請人性別學位專業技術職務研究領域依託單位所在國別（地區）1喻良男博士教授遞歸論及其應用南京大學中國2薛永泉男博士教授X射線高能天體物理研究中國科學技術大學中國3陳帥男博士教授超冷量子氣體自旋軌道耦合的量子模擬中國科學技術大學中國4孫良亭男博士研究員先進強流離子源技術研究中國科學院近代物理研究所中國5丁虎男博士研究員非線性振動控制上海大學中國6張會春男博士教授Alexandrov 空間上的幾何分析中山大學中國7姜洪源男博士教授生物力學中國科學技術大學中國8馮驊男博士教授高能天體物理與空間天文清華大學中國9黃性濤男博士教授粒子物理實驗山東大學中國10宋鳳麒男博士教授實驗原子團簇物理學南京大學中國11劉樹彬男博士教授核電子學方法研究及應用中國科學技術大學中國12譚慧俊男博士教授發動機進氣道內流空氣動力學南京航空航天大學中國13黃忠億男博士教授偏微分方程數值解清華大學中國14郗平男博士教授解析數論西安交通大學中國15陳金輝男博士研究員中高能核物理復旦大學中國16呂琦男博士教授分布參數系統的控制理論四川大學中國17徐勇男博士副教授計算凝聚態物理清華大學中國18王嵬男博士教授非線性分析與微分幾何北京大學中國19許志強男博士研究員計算調和分析中國科學院數學與系統科學研究院中國20李群仰男博士教授接觸、摩擦與磨損力學清華大學中國21李朝紅男博士教授多體系統的量子相變與量子精密測量理論中山大學中國22裴永茂男博士研究員實驗固體力學北京大學中國23週淵男博士教授函數空間、退化型非線性偏微分方程、非光滑分析北京師範大學中國24王勇男博士研究員計算系統生物學中國科學院數學與系統科學研究院中國25宋清海男博士教授微納結構中的光場調控哈爾濱工業大學中國26肖湘衡男博士教授離子束作用下微納材料物理問題及應用武漢大學中國27倪勇男博士教授復雜界面的演化規律和力學性能調控中國科學技術大學中國28姚濤男博士教授同步輻射原位譜學技術及應用中國科學技術大學中國29程金光男博士研究員強關聯電子體系的高壓研究中國科學院物理研究所中國30陸凌男博士研究員拓撲光子學中國科學院物理研究所中國31索濤男博士教授衝擊動力學西北工業大學中國32孟勝男博士研究員表面量子作用和激發動力學中國科學院物理研究所中國33項延訓男博士教授非線性超聲理論及應用華東理工大學中國34沈俊太男博士教授星系動力學上海交通大學中國35舒菁男博士研究員粒子物理和宇宙學中國科學院理論物理研究所中國36薛鵬女博士教授量子行走的理論與實驗研究北京計算科學研究中心中國37張文祿男博士教授磁約束聚變等離子體中的大規模數值模擬研究中國科學院物理研究所中國38萬穎女博士教授炭載金屬催化劑上海師範大學中國39江俊男博士教授復雜體系的電荷運動調控研究中國科學技術大學中國40路軍嶺男博士教授金屬催化劑精準設計中國科學技術大學中國41趙峰男博士研究員環境微生物電化學中國科學院城市環境研究所中國42左小磊男博士研究員化學測量學上海交通大學中國43史壯志男博士教授有機合成方法學南京大學中國44曾小慶男博士教授活性中間體的光譜探測與反應機制復旦大學中國45李蘭冬男博士研究員分子篩限域化學與催化南開大學中國46劉心元男博士教授不對稱自由基化學南方科技大學中國47董安鋼男博士研究員功能導向超晶體材料復旦大學中國48鄭耿鋒男博士教授電催化二氧化碳還原復旦大學中國49方千榮男博士教授晶態有機多孔材料的定向合成與功能調控吉林大學中國50趙一新男博士教授鈣鈦礦太陽能電池上海交通大學中國51江德臣男博士教授單細胞電化學分析南京大學中國52趙勁男博士教授生物無機化學南京大學中國53黃光明男博士教授單細胞質譜分析中國科學技術大學中國54燕立唐男博士研究員大分子及其粒子界面行為的理論計算與模擬清華大學中國55趙亮男博士副教授有機金屬簇化學清華大學中國56徐建鴻男博士教授多相微分散與傳遞過程清華大學中國57黃小青男博士教授貴金屬納米材料合成化學廈門大學中國58鄧賢明男博士教授藥物化學生物學廈門大學中國59敖冰雲男博士研究員□的固體化學中國工程物理研究院材料研究所中國60付磊男博士教授二維原子晶體的精準合成武漢大學中國61李朝升男博士教授光電催化南京大學中國62王峰男博士研究員多相催化中國科學院大連化學物理研究所中國63劉濤男博士教授光響應功能配合物大連理工大學中國64宋術岩男博士研究員無機納米催化材料中國科學院長春應用化學研究所中國65孫佳姝女博士研究員微流控分離分析國家納米科學中心中國66關小紅女博士教授水污染控制鐵化學同濟大學中國67胡勁鬆男博士研究員非貴金屬電催化中國科學院化學研究所中國68姜秀娥女博士研究員譜學電化學分析中國科學院長春應用化學研究所中國69曹安民男博士研究員電極材料表面結構精準構築及功能中國科學院化學研究所中國70吳海臣男博士研究員納米孔單分子分析方法中國科學院化學研究所中國71丁寶全男博士研究員DNA自組裝結構的功能化國家納米科學中心中國72鄧鶴翔男博士教授分子定制介孔晶體武漢大學中國73萬謙男博士教授糖的合成化學華中科技大學中國74王從洋男博士研究員錳族金屬有機催化中國科學院化學研究所中國75劉國柱男博士教授高熱沉燃料及應用天津大學中國76曲大輝男博士教授動態組裝智能分子材料華東理工大學中國77閆學海男博士研究員生物分子自組裝物理化學中國科學院過程工程研究所中國78韓英鋒男博士教授有機金屬化學西北大學中國79張長斌男博士研究員環境催化化學中國科學院生態環境研究中心中國80楊勇男博士研究員煤液化高效催化劑中國科學院山西煤炭化學研究所中國81謝海燕女博士教授活體成像探針北京理工大學中國82李春山男博士研究員綠色化工過程：從熱力學到系統創新中國科學院過程工程研究所中國83張鵬男博士研究員跨細胞膜的物質轉運與信號傳遞中國科學院上海生命科學研究院中國84張智男博士教授感覺與行為的神經環路機制中國科學技術大學中國85吳建國男博士教授植物病毒病害福建農林大學中國86孫啟明男博士教授細胞器互作網絡與細胞穩態浙江大學中國87王強男博士研究員胚胎形態發生的分子機制中國科學院動物研究所中國88楊巍維男博士研究員腫瘤細胞的代謝調控中國科學院上海生命科學研究院中國89艾連中男博士教授益生乳酸菌上海理工大學中國90劉興國男博士研究員線粒體生物學中國科學院廣州生物醫藥與健康研究院中國91李盛英男博士教授微生物生物化學山東大學中國92陳帥男博士教授胰島素作用與抵抗機理南京大學中國93汪陽明男博士研究員非編碼RNA調控與功能北京大學中國94薛願超男博士研究員RNA結合蛋白與轉錄調控中國科學院生物物理研究所中國95程磊男博士教授合成微生物生態浙江大學中國96張宜輝男博士教授紅樹林生態學與濱海濕地生物入侵廈門大學中國97何愛彬男博士研究員發育生物學北京大學中國98田豐男博士教授玉米馴化與適應的分子遺傳基礎中國農業大學中國99唐志堯男博士副教授植物群落生態學北京大學中國100李程男博士研究員三維基因組學北京大學中國101汪方煒男博士教授有絲分裂的調控機制浙江大學中國102武愛波男博士研究員真菌毒素與糧食食品安全中國科學院上海生命科學研究院中國103劉琴女博士教授水產病原細菌致病機制及魚類感染免疫學研究華東理工大學中國104梁振昌男博士研究員果樹種質資源與抗寒中國科學院植物研究所中國105劉陳立男博士研究員定量合成生物學中國科學院深圳先進技術研究院中國106常興男博士研究員免疫細胞發育與分化的轉錄後調控機制西湖大學中國107王毅男博士教授植物感受低鉀脅迫的分子機理中國農業大學中國108趙方慶男博士研究員生物信息學中國科學院動物研究所中國109週紅波男博士教授動物傳染病學華中農業大學中國110張小蘭女博士教授蔬菜分子生物學中國農業大學中國111李大力男博士研究員基因編輯與疾病治療華東師範大學中國112韓軍男博士教授獸醫病毒學中國農業大學中國113吳愛國男博士研究員生物醫學影像探針中國科學院寧波材料技術與工程研究所中國114徐寧龍男博士研究員感知抉擇的神經環路機制中國科學院上海生命科學研究院中國115陳義華男博士研究員微生物次級代謝產物研究中國科學院微生物研究所中國116鄭丙蓮女博士研究員小RNA與植物生殖發育復旦大學中國117王克劍男博士研究員雜交水稻無融合生殖中國水稻研究所中國118何新建男博士研究員植物染色質修飾的分子機制及功能研究北京生命科學研究所中國119王彥芳女博士研究員豬功能基因組學中國農業科學院北京畜牧獸醫研究所中國120孫永華男博士研究員魚類生殖細胞發育與生物技術中國科學院水生生物研究所中國121張愛鋮男博士教授行星礦物學和地球化學南京大學中國122馮曉娟女博士研究員土壤有機質的分子生物地球化學中國科學院植物研究所中國123饒瑩女博士教授勘探地球物理中國石油大學（北京）中國124王鑫男博士教授黑碳、沙塵與冰雪消融及其氣候效應蘭州大學中國125丁巍偉男博士研究員南海大陸邊緣動力學自然資源部第二海洋研究所中國126劉傳週男博士研究員岩石學中國科學院地質與地球物理研究所中國127趙坤男博士教授雷達氣象學南京大學中國128王孝磊男博士教授岩石學南京大學中國129童美萍女博士研究員膠體環境行為北京大學中國130石振清男博士教授土壤化學動力學華南理工大學中國131倪彬彬男博士教授空間物理武漢大學中國132張健男博士教授構造地質學中山大學中國133付永碩男博士教授全球變化與植被物候學北京師範大學中國134週波濤男博士教授中高緯氣候變化機理與預估南京信息工程大學中國135耿江輝男博士教授高精度衛星導航定位武漢大學中國136孫穎女博士研究員東亞氣候變化的檢測歸因研究國家氣候中心中國137劉忠方男博士教授同位素水文古氣候學同濟大學中國138董雲偉男博士教授潮間帶生態學中國海洋大學中國139李曉明男博士研究員合成孔徑雷達海洋動力研究中國科學院空天信息創新研究院中國140王棟男博士教授海洋工程地質與岩土工程中國海洋大學中國141侯居峙男博士研究員青藏高原湖泊與古環境中國科學院青藏高原研究所中國142袁鬆虎男博士教授地下水動態變化環境過程與修復中國地質大學（武漢）中國143胡斯勒圖男博士研究員雲特性高精度遙感中國科學院空天信息創新研究院中國144張恩樓男博士研究員第四紀環境中國科學院南京地理與湖泊研究所中國145王一博男博士研究員勘探地球物理學中國科學院地質與地球物理研究所中國146沙忠利男博士研究員海洋甲殼動物系統學中國科學院海洋研究所中國147趙軍紅男博士教授岩石學中國地質大學（武漢）中國148史建波男博士研究員環境地球化學中國科學院生態環境研究中心中國149高劍峰男博士研究員礦床學中國科學院地球化學研究所中國150劉承帥男博士研究員元素環境地球化學中國科學院地球化學研究所中國151晏宏男博士研究員硨磲地球化學與古氣候古天氣學中國科學院地球環境研究所中國152孫福寶男博士研究員全球變化與陸地表層水熱格局中國科學院新疆生態與地理研究所中國153陳昶樂男博士教授功能化聚烯烴中國科學技術大學中國154穆楊男博士教授廢水處理與資源化中國科學技術大學中國155陳皓生男博士副教授微流體摩擦學清華大學中國156姜學鬆男博士研究員智能圖案化高分子功能表面上海交通大學中國157于浩海男博士教授光電功能晶體山東大學中國158崔元靖男博士教授光子功能金屬-有機框架材料浙江大學中國159王勇男博士教授材料表界面的電子顯微學研究浙江大學中國160吳鏑男博士教授金屬自旋電子材料南京大學中國161劉開輝男博士研究員低維碳材料北京大學中國162徐連勇男博士教授焊接結構長壽命成形與評價天津大學中國163萬相見男博士教授有機太陽能電池材料與器件南開大學中國164于浦男博士教授功能氧化物的制備與物性的離子調控清華大學中國165敬登偉男博士教授多相流光熱物理西安交通大學中國166焦麗芳女博士教授微納結構金屬基能源材料南開大學中國167任祝寅男博士教授湍流燃燒清華大學中國168李斌男博士教授電力系統保護與控制天津大學中國169李利平男博士教授岩體滲流與災害控制山東大學中國170劉鐵軍男博士教授新型混凝土材料與結構哈爾濱工業大學中國171侯旭男博士教授仿生響應性液體門控膜廈門大學中國172易雨君女博士教授生態水動力學北京師範大學中國173郭少軍男博士研究員能源催化材料北京大學中國174張徐祥男博士教授環境高風險污染物識別與控制南京大學中國175張志輝男博士教授仿生結構設計與制造吉林大學中國176殷國棟男博士教授車輛系統動力學與控制東南大學中國177華旭剛男博士教授橋梁風致振動與減振控制湖南大學中國178朱延河男博士教授模塊化變形機器人基礎理論與應用哈爾濱工業大學中國179週穎女博士研究員高層建築抗震與減震同濟大學中國180侯新梅女博士教授耐火材料結構功能一體化北京科技大學中國181趙海波男博士教授化石能源的低碳燃燒和利用華中科技大學中國182秦洪德男博士教授自主水下航行器技術哈爾濱工程大學中國183嵇春豔女博士教授海洋工程結構水動力學理論與可靠性評估方法江蘇科技大學中國184谷林男博士研究員功能材料精細結構與物性中國科學院物理研究所中國185週向鋒男博士教授輕元素亞穩化合物燕山大學中國186週軍男博士教授無機非金屬能量轉換材料及器件華中科技大學中國187孔傑男博士教授超支化聚合物轉化高溫吸波/透波材料西北工業大學中國188吳雲男博士教授航空發動機內流等離子體激勵調控中國人民解放軍空軍工程大學中國189席曉麗女博士教授稀缺/難熔金屬循環再造與制備科學基礎北京工業大學中國190楊強男博士教授工業廢水處理及資源化華東理工大學中國191孟進男博士研究員電磁兼容及防護中國人民解放軍海軍工程大學中國192屈治國男博士教授多孔介質熱質傳輸西安交通大學中國193邵金友男博士教授非硅微納制造西安交通大學中國194趙佳飛男博士教授天然氣水合物大連理工大學中國195湯朝暉男博士研究員抗腫瘤高分子藥物載體材料中國科學院長春應用化學研究所中國196李亮男博士教授功能材料有序化構建與物性調控蘇州大學中國197趙文祥男博士教授永磁容錯電機系統江蘇大學中國198雷亞國男博士教授機械裝備故障診斷與預測西安交通大學中國199路德春男博士教授岩土與城市地下工程北京工業大學中國200吳翊男博士教授直流開斷基礎及其應用西安交通大學中國201趙勇男博士教授級高級工程師自然-社會水循環演變機理與科學調控中國水利水電科學研究院中國202汪愛英女博士研究員極端環境金屬表面強化塗層與功能改性中國科學院寧波材料技術與工程研究所中國203何春年男博士教授原位生長碳材料增強金屬基復合材料天津大學中國204張軍輝男博士教授路基工程長沙理工大學中國205王育才男博士教授生物醫用高分子載體材料中國科學技術大學中國206谷國迎男博士教授軟體機器人學上海交通大學中國207徐海陽男博士教授憶阻材料與器件東北師範大學中國208李永兵男博士教授焊接結構、工藝與裝備上海交通大學中國209張璐璐女博士教授水利水電岩土工程上海交通大學中國210義理林男博士教授光通信智能信息處理上海交通大學中國211劉利剛男博士教授計算機圖形學中國科學技術大學中國212餘學功男博士教授晶體硅材料及器件浙江大學中國213付鬆年男博士教授寬帶光接入廣東工業大學中國214高雲君男博士教授數據庫理論與系統浙江大學中國215馬曉星男博士教授軟件自適應技術南京大學中國216席鵬男博士研究員超分辨熒光顯微成像北京大學中國217蔡一茂男博士教授新型憶阻器件及集成技術研究北京大學中國218崔慶華男博士教授常見復雜疾病生物信息處理與分析北京大學中國219韓根全男博士教授新型微納米CMOS器件西安電子科技大學中國220馬思偉男博士教授智能視頻編碼北京大學中國221殷柳國男博士研究員空天通信清華大學中國222劉華平男博士研究員機器人智能感知與學習清華大學中國223吳華強男博士教授存算一體電路與系統研究清華大學中國224張廣豔男博士研究員大數據存儲與管理清華大學中國225張蕾女博士教授人工神經網絡的記憶機制四川大學中國226楊明紅男博士研究員光纖傳感技術及應用武漢理工大學中國227紀榮嶸男博士教授緊致化計算機視覺分析廈門大學中國228曹汛男博士教授計算攝像南京大學中國229程龍男博士研究員機器人智能控制中國科學院自動化研究所中國230谷延鋒男博士教授高光譜遙感圖像處理哈爾濱工業大學中國231李東升男博士研究員並行與分布式計算中國人民解放軍國防科技大學中國232吳帆男博士教授無線網絡資源感知與調度上海交通大學中國233丁大志男博士教授計算電磁學南京理工大學中國234韓家廣男博士教授太赫茲新型功能器件的基礎研究天津大學中國235趙延龍男博士研究員多重不確定性集值系統的辨識與控制中國科學院數學與系統科學研究院中國236佟存柱男博士研究員高亮度半導體激光芯片與系統中國科學院長春光學精密機械與物理研究所中國237郭斌男博士教授移動群智感知西北工業大學中國238李世華男博士教授機電系統抗幹擾控制東南大學中國239操曉春男博士研究員智能視覺內容安全中國科學院信息工程研究所中國240崔嵬男博士教授天基雷達空間目標探測北京理工大學中國241謝鯤女博士教授大規模網絡測量分析湖南大學中國242許秀來男博士研究員低維半導體光電物理與器件中國科學院物理研究所中國243呂杭炳男博士研究員阻變存儲器與集成中國科學院微電子研究所中國244郭磊男博士教授光網絡的生存性機理與資源優化方法重慶郵電大學中國245王建祿男博士研究員新型光電探測器中國科學院上海技術物理研究所中國246王震男博士教授博弈驅動的行為決策研究西北工業大學中國247劉豔軍男博士教授智能控制理論及其應用遼寧工業大學中國248韓銀和男博士研究員專用處理器芯片設計中國科學院計算技術研究所中國249楊健男博士教授手術導航理論、關鍵技術及應用北京理工大學中國250康凱男博士教授毫米波集成電路設計電子科技大學新加坡251陳彩蓮女博士教授網絡系統的分布式感知與協同機制上海交通大學中國252鄧方男博士教授智能火力控制系統北京理工大學中國253吳肖樂女博士教授風險疊加環境下的全球供應鏈管理復旦大學中國254榮鷹男博士教授運營管理上海交通大學中國255鎮璐男博士教授運作管理優化上海大學中國256閆相斌男博士教授在線社會網絡的用戶關系與行為北京科技大學中國257肖峰男博士教授城市交通系統博弈建模與定價優化西南財經大學中國258魏玖長男博士教授社會風險分析與治理中國科學技術大學中國259魯璽男博士副教授低碳能源與大氣環境協同機制與政策清華大學中國260陳凱華男博士研究員創新管理與創新政策中國科學院科技戰略咨詢研究院中國261呂欣男博士教授大數據技術的公益應用：應對貧窮、疾病、災害的數據模型中國人民解放軍國防科技大學中國262曹志冬男博士副研究員公共衛生應急管理中國科學院自動化研究所中國263劉胡丹女博士教授T細胞白血病的發生與機制武漢大學中國264王迪男博士教授免疫代謝浙江大學中國265陳萬金男博士教授神經遺傳病福建醫科大學中國266甘勇男博士研究員藥物載體高效遞送的物理藥劑學研究中國科學院上海藥物研究所中國267章小清男博士教授神經發育與神經再生同濟大學中國268週翔天男博士研究員近視發病機制研究溫州醫科大學中國269李聰男博士教授腦部疾病分子影像研究復旦大學中國270鄭磊男博士教授腫瘤液體活檢新技術南方醫科大學中國271蘇佳燦男博士教授骨質疏鬆性骨修復與生物材料轉化研究中國人民解放軍第二軍醫大學中國272畢惠嫦女博士教授藥源性肝損傷的代謝調控中山大學中國273王鵬男博士主任醫師中西醫結合腫瘤學復旦大學中國274張政男博士研究員病毒感染重症化機制及治療策略南方科技大學中國275楊吉春男博士教授糖脂代謝調控新因子鑑定及其在糖尿病診治中的應用北京大學中國276鄺棟明男博士教授組織免疫微環境與免疫治療中山大學中國277王成碩男博士教授慢性鼻竇炎的發病機制及診療策略研究首都醫科大學中國278胡洪波男博士研究員T淋巴細胞發育與功能研究四川大學中國279趙勇男博士教授端粒與細胞衰老中山大學中國280姚紅紅女博士教授神經藥理學東南大學中國281陳瑞男博士教授衛生毒理學首都醫科大學中國282楊旗男博士教授心腦血管病磁共振成像首都醫科大學中國283張力男博士教授幹細胞與血管重構及幹預上海交通大學中國284胡海男博士研究員腫瘤學（乳腺癌代謝重編程的研究）中山大學中國285楊磊男博士教授骨科醫療器械河北工業大學中國286胡穎女博士教授基礎腫瘤學哈爾濱工業大學中國287呂奔男博士研究員多髒器衰竭的機制研究中南大學中國288徐蔚海男博士主任醫師顱內動脈粥樣硬化性疾病的精準診斷中國醫學科學院北京協和醫院中國289于政權男博士教授腸道穩態的分子基礎中國農業大學中國290趙金存男博士教授呼吸系統冠狀病毒感染與致病機制研究廣州醫科大學中國291王利男博士教授心血管重構與幹預中國醫學科學院阜外醫院中國292江陸斌男博士研究員瘧原蟲表觀遺傳學中國科學院上海巴斯德研究所中國293張玉峰男博士教授牙週再生功能性材料武漢大學中國294何金汗男博士教授非酒精性脂肪性肝病發病機制四川大學中國295朱明昭男博士研究員適應性免疫系統的發育和應答中國科學院生物物理研究所中國296潘欣男博士研究員線粒體異常與腫瘤發生中國人民解放軍軍事科學院軍事醫學研究院中國297高山男博士研究員腫瘤驅動突變中國科學院蘇州生物醫學工程技術研究所中國298馬鑫男博士教授血管穩態調控與幹預策略研究江南大學中國299施小明男博士研究員老年流行病學中國疾病預防控制中心環境與健康相關產品安全所中國300陳建新男博士研究員中醫信息學北京中醫藥大學中國from: http://www.nsfc.gov.cn/publish/portal0/tab434/info78439.htm，