近两年来，利用人工智能（AI）设计全新蛋白分子不断取得突破性进展。多篇论文已经展示了利用机器学习，更精准、更快速地按需设计蛋白质分子的能力。近日，华盛顿大学David Baker教授团队在顶尖学术期刊《自然》上发表最新研究，描述了一种从头设计蛋白的全新方法，借鉴大自然中天然重复蛋白与包含重复多肽序列的蛋白相结合的机制。研究人员开发了一种针对重复多肽序列，从头设计结合蛋白的通用策略。它能够生成高度稳定，具有高度特异性和亲和力的结合蛋白。研究人员指出，这一策略可以用于靶向包含重复多肽序列的蛋白靶点（比如突变亨廷顿蛋白），并且可以扩展到靶向包含无序结构的不可成药靶点。

借鉴大自然靶向包含重复多肽序列的蛋白

生成与靶点蛋白或者多肽结合的蛋白质无论对基础科学研究还是新药开发来讲都具有重要意义。然而大自然中很多蛋白或者多肽在游离状态下并没有确定的三维结构，给设计与它们结合的蛋白带来挑战。这项研究中，Baker教授的团队借鉴了自然界中重复蛋白的作用机制。比如犰狳重复蛋白（armadillo-repeat proteins）包含着重复出现的结合模块，每个模块可以与特定的重复多肽序列结合，多个模块组合在一起，可以与包含多个重复多肽序列的蛋白产生高亲和力、高特异性的相互作用。

研究人员根据结合模块与重复多肽序列相互作用的机理，摸索出一套通用的结合模块设计规则，可以针对任何重复多肽序列，设计出与之结合的蛋白模块，这些模块可以一对一地和重复多肽序列结合，构成稳定的超螺旋结构。

研究人员利用生物化学检测、细胞培养和三维晶体结构分析对设计出的结合蛋白与靶点多肽之间的相互作用进行了分析。实验结果显示利用这种策略设计的结合蛋白能够与多种包含重复多肽序列的蛋白以高亲和力和高特异性结合，亲和力达到nM和pM级别。

▲针对重复多肽序列设计结合模块的策略（图片来源：参考资料[1]）

靶向内在无序蛋白，开辟蛋白设计新策略

下一步，研究人员将目标转向内在无序蛋白（intrinsically disordered proteins）。这些蛋白的序列中包含着大段不产生稳定三维结构的序列，让针对它们的新药开发困难重重。研究人员的设想是设计出一系列结合模块，每个结合模块和无序片段中的一小段多肽序列结合，然后将这些结合模块串联起来，构成的结合蛋白就可以产生具有高亲和力和高特异性的相互作用。

在这项研究中，科学家们针对名为ZFC3H1的靶点蛋白的无序片段，设计出由多个结合模块组成的结合蛋白。团队设计的8个结合蛋白中7个可以与ZFC3H1结合。其中亲和力最高的结合蛋白能够与ZFC3H1构成的天然复合体PAXT在生理环境下结合。

研究人员指出，这项研究证明了通过解析重复蛋白与重复多肽序列结合的规则，可以设计出以高亲和力和高特异性与多肽序列结合的蛋白模块。这一策略可以用于靶向包含重复多肽序列的疾病相关蛋白，比如突变的亨廷顿蛋白。

此外，将识别不同双肽、三肽、和四肽序列的模块融合在一起，可以特异性识别非重复多肽序列。这项研究也显示了利用人工智能，靶向没有固定三维结构的多肽或者内在无序蛋白的能力。由于设计出的结合蛋白非常稳定，并且可以高度表达，研究人员表示它们具有广阔的应用前景。

不断推动蛋白设计的前沿

自从AlphaFold在精准解析蛋白质三维结构上获得突破以来，利用人工智能平台设计蛋白领域的突破接连不断。在2022年3月，Baker教授团队在《自然》杂志上发表的研究显示，只需要知道靶点蛋白的结构信息，就能设计出与它们高亲和力结合的迷你蛋白。同年9月，这一团队在《科学》杂志上发表的两篇论文将设计蛋白质的时间长度从“月”缩短至“秒”。2022年11月，Baker教授课题组和Generate Biomedicines公司同时发表研究结果，推出了基于新算法的AI平台，具有按照研究人员的要求，定制具有特定特征的全新蛋白结构的能力。今年2月，Baker教授团队在《自然》上发表的研究宣告了首个从头设计的酶分子的诞生。不到两个月，今日的论文进一步扩展了人工智能设计蛋白质的策略，让靶向更多不可成药靶点成为可能。期待这些蛋白设计上的进步早日转化成为治疗疾病的新药好药，为更多患者造福。

参考资料：
[1] Wu et al., (2023). De novo design of modular peptide-binding proteins by superhelical matching. Nature, https://doi.org/10.1038/s41586-023-05909-9