Baker Lab利用人工智能设计可切割疾病相关蛋白质的蛋白酶Baker Lab ออกแบบโปรตีเอสด้วย AI ให้ตัดโปรตีนที่เกี่ยวข้องกับโรค – Unite.AI

环球医讯 / AI与医疗健康来源:www.unite.ai美国 - 泰语2026-11-18 09:11:13 - 阅读时长6分钟 - 2833字
美国华盛顿大学蛋白质设计研究所两个团队利用RFdiffusion、RFD2-MI与AlphaFold 3等人工智能和深度学习工具,从头设计出可在指定序列切割多肽骨架及TDP-43、amyloid-β、血清淀粉样蛋白A等疾病相关蛋白的锌金属蛋白酶和半胱氨酸蛋白酶,并系统评估其结构、动力学、细胞活性、专利与资助信息。
人工智能蛋白质设计蛋白酶疾病相关蛋白TDP-43amyloid-β血清淀粉样蛋白A精准切割治疗药物开发半胱氨酸蛋白酶金属蛋白酶
Baker Lab利用人工智能设计可切割疾病相关蛋白质的蛋白酶

Baker Lab 利用人工智能设计可切割疾病相关蛋白质的蛋白酶

要点:

  • 从头设计(de novo design)现已能够实现骨架水解(backbone hydrolysis),而此前这被认为对计算设计的酶而言要求过高。
  • 设计出的蛋白酶能够特异性地切割与疾病相关的蛋白质,同时不破坏这些蛋白质必要的结构功能。
  • 基于新型深度学习方法构建的半胱氨酸蛋白酶具有与任何天然蛋白酶都不同的折叠模式。

来自美国华盛顿大学蛋白质设计研究所的两个团队于2026年10月14日在Nature发表研究,报告完全通过计算方法从头设计蛋白酶;这些蛋白酶能够在选定序列处水解多肽骨架,包括人类疾病相关蛋白TDP-43、amyloid-β和血清淀粉样蛋白A中的位点。

在中性水溶液中,连接多肽骨架氨基酸的酰胺键可稳定存在数百年,因为其水解具有很高的能垒;此前,从头设计酶的成功大多局限于能垒较低的模型反应。关于半胱氨酸蛋白酶的文章指出,其中一项研究构建了以锌为组成元素的金属蛋白酶,另一项研究构建了通过被激活的半胱氨酸亲核试剂发挥作用的蛋白酶。两篇文章均将戴维·贝克(David Baker)列为通讯作者,并将苏黎世联邦理工学院的唐纳德·希尔弗特(Donald Hilvert)列为两篇文章的通讯作者。

以锌为组成元素的金属蛋白酶设计流程

在题为“金属蛋白酶的从头设计”的文章中,共同第一作者陈安琪(Anqi Chen)和吴可佳(Kejia Wu)与同事解释了如何使用RFdiffusion设计蛋白质:其活性位点以锌为组成元素来激活水,并紧邻肽底物结合口袋。文章报告,在测试的135个设计中,有36%加速了特定肽底物在所需目标键处的切割。最佳初始设计使肽键水解相较无催化剂反应加速超过10⁸倍;通过更好地预组织活性位点,替换4个氨基酸位置后,该加速提高到超过10¹⁰倍。

该设计的构建流程包括:基于初始基序模板进行1轮骨架生成,随后进行氨基酸序列设计并用AlphaFold 3筛选;然后进行2轮部分扩散,并进一步设计序列和筛选;最后通过序列设计与AlphaFold 3筛选之间的迭代,对名为Zn45的设计进行优化。为优化Zn45,团队筛选了21个氨基酸位置上的378个全面单氨基酸替换变体,以及6个位置上的148个组合变体,最终获得改进变体Zn45_v2,并通过总周转数和米氏动力学对其进行分析。

研究人员测定了包括Zn5、TDPr3、ZnO7和Zn48在内的多个设计的晶体结构,并将其存入蛋白质数据库(Protein Data Bank,PDB),登记号为11CE、11CM、11CP、11CR、11CU、11CY和11DU。研究还使用由机器学习训练得到的力场计算,检查天然锌蛋白酶astacin以及设计ZnO7和Zn45在亲核攻击步骤中的活化能。该研究的数据和代码发布在Zenodo。

特异性切割疾病相关蛋白质

关于金属蛋白酶的文章报告,设计出的蛋白酶能够特异性切割人类疾病相关蛋白TDP-43、amyloid-β和血清淀粉样蛋白A,使反应速率最高提高10⁹倍。文中列出的例子包括:靶向TDP-43的TDPr3;靶向血清淀粉样蛋白A序列SSRSFFSFLG的SAAc8;以及靶向amyloid-β序列KGAIIGLMVG的AbetaF3。

针对TDP-43,作者重新设计了现有蛋白质支架,使其切割TDP-43固有无序C端结构域内部,而不是降解整条蛋白质;该结构域调控液-液相分离和寡聚化。文章将该策略描述为一种调节上述相分离和寡聚化行为的方法,同时不破坏该蛋白结构化结构域在细胞核中的重要功能。

此外,团队还设计了被隔离的细胞因子和受体拮抗剂,设计出的蛋白酶能够特异性地激活它们;文章指出,该方法可通过不干扰其他系统的生物机制来控制细胞状态。作者总结称,从头设计能够生成高活性且可编程的蛋白酶,未来可能用于治疗、生物技术以及环境生物修复。

利益冲突披露文件显示,研究已提交临时专利申请64/047,504和63/921,483,涉及方法和设计中的部分内容,并将陈安琪、吴可佳、Hojae Choi(霍杰·崔)、普里塔姆·文卡特什(Preetham Venkatesh)、塞缪尔·J·佩洛克(Samuel J. Pellock)、唐纳德·希尔弗特、阿西姆·K·贝拉(Asim K. Bera)和戴维·贝克列为发明人或贡献者。

另一类基于半胱氨酸的蛋白酶家族

第二项研究题为“半胱氨酸蛋白酶的从头设计”,第一作者为Hojae Choi(霍杰·崔)。该研究使用由团队成员布莱恩·考文垂(Brian Coventry)和马格努斯·S·鲍尔(Magnus S. Bauer)开发的新型深度学习方法RFD2-MI,设计以被激活的半胱氨酸亲核试剂按序列依赖方式水解多肽骨架的酶。文章报告,在测试的69个设计中,有13个具有活性,占19%,相较背景反应速率最高提高3×10⁷倍。

文章报告,设计出的蛋白酶折叠结构与天然蛋白酶差异很大,TM分数低于0.50;6个晶体结构与设计模型一致,Cα均方根偏差低于1.2。这些结构存入蛋白质数据库(PDB),登记号为9YNL、9YNM、9YOX、9YOY、9YOZ和9YP0。设计流程在RFD2-MI骨架生成、ProteinMPNN氨基酸序列设计和AlphaFold 3筛选之间循环进行。

在对名为Dokki的蛋白酶进行一轮优化时,89个变体中有24个优于原始设计,改进幅度为1.2至31倍;改进最大的变体被命名为Dokki-15。研究报道,设计出的蛋白酶能够在哺乳动物细胞中有效切割靶标;研究通过报告分析在HeLa细胞中展示了酶依赖性底物位置变化,并以无催化活性的突变体作为对照。作者根据实验和计算分析指出,与活性最高的天然半胱氨酸蛋白酶相比仍存在的活性差距,源于活性位点预组织和底物对齐尚不完善。

发表历史、资助与代码

Nature于2025年10月14日收到两篇文章;半胱氨酸蛋白酶文章于2026年9月9日被接收,金属蛋白酶文章于2026年9月15日被接收。较早版本于2025年11月作为预印本发布在bioRxiv:半胱氨酸蛋白酶研究于2025年11月22日发布;金属蛋白酶研究首次发布于2025年11月21日,并持续更新至2026年9月27日的第四版。

资助信息列出了霍华德·休斯医学研究所、比尔及梅琳达·盖茨基金会、美国国防威胁降低局、美国国家科学基金会、美国国立卫生研究院(NIH)下属的美国国家过敏和传染病研究所与美国国家老龄化研究所、美国卫生高级研究计划局(ARPA-H)的APECx项目、蛋白质设计研究所的The Audacious Project和Open Philanthropy Project,以及其他资助方。半胱氨酸蛋白酶研究的设计与分析代码已在两个GitHub代码库中向公众开放;半胱氨酸蛋白酶文章作者声明无利益冲突。

【全文结束】