Nature/Science两连发：David Baker团队中国博后利用AI“驯服”无序蛋白，攻克“不可成药”靶点

撰文丨王聪

编辑丨王多鱼

排版丨水成文

内在无序蛋白（IDP）以及具有内在无序区域（IDPR）的蛋白在自然界中十分丰富，约占人类蛋白质组的 60%。它们不像其他蛋白质那样折叠成稳定的形状，而是缺乏单一的明确结构，这种结构的高度灵活性使得它们能够适应不同的配体和条件。

这些蛋白驱动着关键的细胞信号转导、应激反应以及多种疾病进展，因此，针对 IDP 或者 IDPR 设计特异性结合剂，对于临床诊断、药物研发以及科学研究具有重要价值。然而，由于其结构千变万化的特点，导致难以研究，也难以开发靶向药物，因此它们也被认为是“不可成药”（undruggable）靶点。

而现在，这些“不可成药”靶点不再难成药！人工智能（AI）驯服了内在无序蛋白/区域（ IDP/IDR），成功解锁治疗靶点。

诺贝尔奖得主、蛋白质设计先驱David Baker教授及团队博士后吴可嘉、刘彩璇，发表了两篇研究论文，利用生成式人工智能（Generative AI）设计并生成能够精准结合内在无序蛋白/区域（ IDP/IDR）的结合蛋白，精度达到原子级别，从而攻克“不可成药”的疾病靶点。

这两项研究分别于 2025 年 7 月 30 日和 7 月 17 日发表在Nature期刊和Science期刊，论文题目分别是：Diffusing protein binders to intrinsically disordered proteins；Design of intrinsically disordered region binding proteins.

内在无序蛋白：传统药物设计的噩梦

大多数蛋白质有固定结构，能够像拼图般与药物精准结合，而内在无序蛋白（IDP）则完全不同，它们没有单一的明确结构，其结构是动态变化的，就像液态水一样无固定形状。

内在无序蛋白（IDP）以及具有内在无序区域（IDR）的蛋白，在细胞中发挥着重要作用，例如，胰淀素（amylin）调控血糖，BRCA1 参与 DNA 修复，α-突触核蛋白（α-Syn）参与神经信号传导。

已有研究尝试通过传统的动物免疫来开发靶 IDR 的抗体，然而，含有 IDR 的蛋白在注射到动物体内后极易发生降解和聚集，导致难以产生高亲和力的抗体，且生产成本高昂。此外，之前用于设计结合蛋白的计算方法依赖于对目标 IDR 几何形状的预先指定，从而限制了其通用性。

AI 如何“锁定”无序蛋白？

David Baker团队基于他们之前开发的 AI 蛋白设计模型——RFdiffusion，首次实现对 IDP 的精准靶向设计。其核心原理是“动态匹配”：

1、不预设结构：仅输入目标蛋白的氨基酸序列，AI 同时模拟目标蛋白和结合蛋白的构象变化，这就像让两个舞者自由寻找最佳配合姿态。

2、局部构象引导：对短片段（例如淀粉样蛋白核心），AI 可指定其形成 β-折叠结构，大幅提升结合效率。

3、双向优化：通过“双向部分扩散”，同时调整目标蛋白和结合蛋白的构象，使两者像钥匙与锁孔般完美契合。

突破性成果：高亲和力结合到疾病治疗

在这篇Nature论文中，研究团队团队采用了基于 RFdiffusion 的设计策略，仅从输入的目标蛋白序列出发，并自由采样目标蛋白和结合蛋白的构象，RFdiffusion 就能够生成与 IDP 和 IDR 在广泛构象范围内结合的配体。

研究团队设计生成了靶向胰淀素（amylin）、C肽（C-peptide）、VP48和BRCA1_ARATH等不同构象的内在无序蛋白（IDP）的结合蛋白，其结合亲和力在 3-100 纳摩尔之间。对于G3BP1、IL-2RG和朊蛋白这三种具有内在无序区（IDR）的蛋白，将结合蛋白扩散至目标蛋白的 β-折叠构象，结合亲和力在 10-100 纳摩尔之间。荧光成像实验表明，这些结合蛋白在细胞内均与其各自的目标蛋白成功结合。

在实验室测试中，设计生成的结合蛋白（紫色和粉色）包裹住具有柔韧性的胰淀素（白色），阻止其形成与 2 型糖尿病相关的淀粉样毒纤维。

进一步验证显示，为 G3BP1 设计的结合蛋白可破坏细胞内应激颗粒的形成，为帕金森病等神经退行性疾病研究带来了全新工具。而为胰淀素设计的结合蛋白可抑制淀粉样纤维的形成并分解已形成的纤维，在加上 EndoTag 标签后，还能够单体和纤维状胰淀素精准引导进入溶酶体降解，此外，设计的结合蛋白还提高了基于质谱法检测胰淀素的灵敏度。

在这篇Science论文中，研究团队采用了一种名为“logos”的蛋白质设计策略，它以侧链为中心，预制了一个能识别氨基酸侧链集合的“结合口袋”库（1000 个），然后使用 RFdiffusion 生成结合分子，有效地将这些结合口袋连接成一个单一结构，组装成结合蛋白。

研究团队测试了 43 个高度多样化的无序蛋白靶点（21 个疾病相关 IDR，18 个合成序列），平均每个靶点进行了 22 个设计，对其中 39 个靶点实现了紧密结合，其中 34 个结合蛋白的结合亲和力达 100 皮摩尔至 100 纳摩尔。

进一步实验验证，这些设计的结合蛋白可在细胞中发挥作用，展现出多种应用潜力：可从细胞裂解液中富集低丰度蛋白用于蛋白质组学研究；靶向癌症相关细胞膜受体的无序结构域；抑制 G 蛋白偶联受体（GPCR）信号通路；以及介导细胞内蛋白质定位调控功能。可用于癌症治疗、疾病诊断、神经疾病干预等领域，例如，该研究中设计生成的靶向强啡肽的结合蛋白 DYNA_2b2，结合亲和力低于 100 皮摩尔，并成功在人类细胞内阻断了疼痛信号转导。

未来展望：AI 重塑药物研发

由于许多致病蛋白包含内在无序区域（IDR），因此，这两项研究开发的新的设计策略可能会引发一波新的治疗手段和诊断方法——

• 解决传统难题：克服 IDP/IDR 靶向难题，为神经退行性疾病、癌症等疾病提供新思路；

• 推动精准医疗：结合溶酶体靶向技术，例如 EndoTag，实现疾病标志物的定向清除；

• AI+生物融合：RFdiffusion 与实验验证形成闭环，标志着计算生物学进入“实用时代”。

值得一提的是，David Baker实验室已将这两种互补的 IDR 结合蛋白设计工具在线发布，所有研究人员均可免费使用。

David Baker教授表示，尽管这些蛋白质自身处于无序状态，但当它们与设计好的结合蛋白相互作用时，就会形成特定的结构。也就是说，设计生成的结合蛋白实际上迫使无序蛋白形成了一种非常适合结合的构象。

他还表示，这两项研究中使用的策略相互补充，基于RFdiffusion的策略在设计与具有某些螺旋和链状二级结构的靶点相结合的结合蛋白方面表现出色，而logos策略则最适合用于缺乏规则二级结构的靶点。

论文链接：

1. https://www.nature.com/articles/s41586-025-09248-9

2. https://www.science.org/doi/10.1126/science.adr8063