有史以来最高互作强度，华盛顿大学David Baker团队用AI工具产生具有非凡结合强度的蛋白质

编辑 | 萝卜皮

多肽的研究对于药物开发、疾病检测和环境监测具有重大意义。许多肽激素在与其受体结合后形成 α 螺旋，对其敏感的检测方法可能有助于更好的疾病临床管理

目前能够设计从头合成蛋白质，以生成对结构化蛋白质具有高度亲和力和特异性的结合物。然而，设计蛋白质与具有螺旋倾向的短肽之间的相互作用仍然是一个未解决的难题

华盛顿大学医学院蛋白质设计研究所的科学家们运用人工智能驱动的生物技术来应对这些挑战。他们利用人工智能软件创造了具有极高亲和力和特异性的蛋白质分子，这些分子可以与各种具有挑战性的生物标志物（包括人类激素）结合

需要注意的是，科学家们已经实现了有史以来最高的相互作用强度，这是通过计算机生成的生物分子与其目标之间实现的

华盛顿大学医学生物化学教授、霍华德休斯医学研究所研究员David Baker强调了该方法的潜在影响，他表示：“能够产生具有如此高结合亲和力和特异性的新型蛋白质，开辟了从新疾病治疗到先进诊断的可能性。”

这项研究于2023年12月18日在《自然》杂志上发表，题为「对生物活性螺旋肽的高亲和力结合物的全新设计」

肽类激素，如甲状旁腺激素（PTH）、神经肽 Y（NPY）、胰高血糖素（GCG）和促胰液素（SCT），在与其受体结合后采用α螺旋结构，被广泛认可作为临床护理和生物医学研究中的生物标志物，在人类生物学中扮演着关键角色

Baker实验室的Preetham Venkatesh表示：“目前有许多疾病难以治疗，因为检测体内某些分子非常具有挑战性。设计的蛋白质作为诊断工具，可能提供比抗体更具成本效益的替代品。”

对它们的灵敏度和特异性的定量是科学家们非常感兴趣的。目前，这种定量依赖于生成需要大量资源的抗体，可能难以高亲和力地生产，并且通常稳定性和重现性都不太理想。抗体的环介导的相互作用表面并不是特别适合延伸螺旋肽的高特异性结合——几乎所有抗肽抗体都以非螺旋构象结合其靶标

肽结合蛋白的设计具有挑战性

在大肠杆菌中，设计的蛋白质可以轻松高产、低成本地生产，并且具有很高的稳定性。然而，设计具有高亲和力和特异性结合螺旋肽的蛋白仍然是一个突出的挑战。肽结合蛋白的设计具有挑战性的原因有两个

首先，设计用于结合折叠蛋白的蛋白质，例如具有高度稳定的皮摩尔亲和力的50-65残基微型结合剂，其形状适合结合刚性凹目标，但不适合支撑延伸的肽。螺旋肽可以轻松地形成卷曲的线圈结构，并且这一原理已被应用于设计钙调蛋白肽的结合剂。然而，由于卷曲螺旋亚基通常具有大量的暴露疏水表面，它们往往会在没有结合伴侣的情况下自缔合，从而显著降低了与靶标结合的亲和力

肽具有较少的相互作用残基，并且在分离时通常部分或完全非结构化。因此，将肽构建成特定构象可能会产生熵成本，这会损害有利的缔合自由能。在设计与延伸的 β 链结构和聚脯氨酸 II 构象结合的肽方面已经取得了进展，使用蛋白质侧链与肽主链相互作用；然而，由于 α 螺旋肽内部有大量主链-主链氢键，这种相互作用不能在 α 螺旋肽上发生

重新定义的策略

Baker实验室的团队，由Susana Vazquez-Torres、Preetham Venkatesh和Phil Leung领导，正在着手创建一种能够与胰高血糖素、神经肽Y、甲状旁腺激素和其他螺旋肽靶标结合的蛋白质。该团队提出了一种新方法，结合了RFdiffusion（一种用于创建新蛋白质形状的生成模型）和序列设计工具ProteinMPNN

通过扩展RFdiffusion，研究人员能够使绑定器设计适应更灵活的目标，并通过连续的噪声和去噪（部分扩散）来细化输入结构模型。皮摩尔亲和力结合剂可以通过其他方法生成的细化设计来生成螺旋肽靶标，或者可以从随机噪声分布开始完全生成

这些结合蛋白是针对蛋白质或小分子靶标设计的最高亲和力的，它们是通过计算直接生成的，无需进行任何实验优化。RFdiffusion设计可以通过质谱法富集并随后检测甲状旁腺激素和胰高血糖素，并构建基于生物发光的蛋白质生物传感器。设计具有构象可变靶点的结合剂以及通过部分扩散优化天然和设计蛋白质的能力，这将具有广泛的应用

我们正在目睹蛋白质设计令人激动的时代，先进的人工智能工具正在加速改善蛋白质的活性。这一重大突破将重新定义生物技术的前景

该团队与哥本哈根大学的 Joseph Rogers 实验室和华盛顿大学医学院的 Andrew Hoofnagle 实验室合作，进行了实验室测试以验证他们的生物设计方法。他们使用质谱法进行了检测，以验证设计蛋白质与人血清中低浓度肽的结合情况，从而证明了灵敏且准确的疾病诊断潜力

在恶劣的条件下，这些蛋白质仍然保持着靶标结合的能力，这是应用上的一个重要特性

为了进一步展示该方法的潜力，研究人员将高亲和力甲状旁腺激素结合剂集成到生物传感器系统中，并成功实现了对含有目标激素的样品中生物发光信号的增加21倍。这种与诊断设备的集成展示了人工智能生成蛋白质的直接实际应用

请点击以下链接阅读论文：https://www.nature.com/articles/s41586-023-06953-1

相关新闻报道：https://phys.org/news/2023-12-ai-generates-proteins-exceptional-strengths.html

一项新闻报道指出，AI技术的应用使得生成具有卓越强度的蛋白质成为可能。具体报道可参考链接