国人一作兼通讯，两周内 Nature/Science 连发

来源：丁香学术

当前肿瘤免疫治疗领域正经历从「广谱杀伤」向「精准靶向」的范式转型，其中嵌合抗原受体 T 细胞（CAR-T）疗法的特异性瓶颈成为制约临床转化的核心难题。传统依赖天然蛋白筛选（如 TCR 库、单链抗体库）的方法受限于抗原免疫原性低、脱靶效应强及开发周期长（12~18 个月）等缺陷，难以满足个性化治疗需求。

近年来，AI 驱动的蛋白质设计技术（如 AlphaFold、RFDiffusion）的突破，为从头设计高特异性结合蛋白提供了革命性工具，但如何将计算设计精准转化为临床可用治疗载体仍是未解难题。在蛋白质设计领域，除了针对传统结构蛋白的设计研究外，针对内在无序结构域（IDRs）结合蛋白（IDP）的研究也备受关注。尽管自然界已进化出抗体、MHC 分子、重复结构蛋白等多种机制识别特定蛋白无序序列，IDR 结构多样未知、序列高度冗余，严重限制了抗体、小分子及经典蛋白设计方法的应用。因此长期以来被视为「不可成药」的靶点区域。

2025 年 7 月 17 日，华盛顿大学蛋白质设计研究所，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一作兼共同通讯作者在Science期刊在线发表了题为

「Design of intrinsically disordered region binding proteins」

图 1: Science

2025 年 7 月 30 日，华盛顿大学 David Baker 教授及团队博士后吴可嘉、刘彩璇在Nature上发表了题为

「Diffusing protein binders to intrinsically disordered proteins」

图 2: Nature

IDPs 和 IDRs 在人类蛋白质组中占比高达 60%，广泛参与细胞信号传导、转录调控等关键生理过程，并与神经退行性疾病、癌症等多种疾病密切相关。然而，IDPs 缺乏稳定的三维结构，呈现高度动态性，传统抗体设计方法因其高成本、可重复性差及 IDPs 快速降解导致的免疫原性复杂等问题而难以应用。此外，现有计算设计方法多依赖目标几何结构的预设，无法有效应对 IDPs 的结构异质性。因此，开发一种仅从序列出发、不依赖目标构象预设的通用方法，设计出针对不同长度 IDPs 的高亲和力结合蛋白，成为解决这一科学难题的关键。

研究团队采用了一种基于 RFdiffusion 的扩散模型方法，通过模拟蛋白质结合剂与 IDPs 的动态相互作用过程，在扩散阶段让目标蛋白和设计蛋白广泛采样多种构象，在去噪阶段优化结合剂结构，使其特异性结合目标 IDPs 的特定构象。为了进一步提高设计效率，研究人员引入了二次结构指定功能，允许在 RFdiffusion 中定义目标的二级结构，使得设计能够更精准地针对 β-链构象等特定结构。通过这种方法，成功设计出了针对多种 IDPs 和 IDRs 的高亲和力结合蛋白，包括 amylin、C-peptide、VP48 等，并通过生化实验和细胞荧光成像验证了它们的结合能力。

图 3: 内在无序区域结合剂的设计

实验结果表明，该研究设计的结合蛋白不仅在体外实验中展现出对目标 IDPs 的高亲和力结合能力，而且在细胞实验中也验证了它们能够有效地与细胞内的 IDPs 相互作用。例如，针对 amylin 设计的结合蛋白能够抑制淀粉样纤维的形成并解离已存在的纤维，还能介导 amylin 单体和纤维向溶酶体的转运，提高基于质谱的 amylin 检测灵敏度。

此外，针对 G3BP1 设计的结合蛋白能够破坏应激颗粒的形成，为探究神经退行性疾病和其他应激相关细胞过程提供了有力工具。这些成果不仅为理解 IDPs 的功能和作用机制提供了新的研究手段，还为开发针对 IDPs 相关疾病的新型诊断方法和治疗策略开辟了新途径，具有重要的科学意义和应用价值。

值得一提的是，2025 年 7 月 24 日，华盛顿大学 David Baker/刘炳旭研究团队还在Science上发表了题为

「Design of high-specificity binders for peptide–MHC-I complexes」

图 4: Science

该研究团队针对肿瘤免疫治疗的靶向精准性，提出关键的科学问题：如何通过 AI 驱动的蛋白质设计，高效生成兼具高特异性与稳定性的小型蛋白，以精准识别疾病相关的肽-MHC I 类复合物（pMHCI），为精准免疫治疗提供了新思路。

该研究核心方法论建立在生成式人工智能与物理建模结合的基础上。首先，针对肽-MHC I 类复合物（pMHCI）中肽段的外向残基，采用 RFdiffusion 算法生成跨越 MHC-I 分子中央肽结合槽的蛋白骨架，通过多轨迹模拟筛选出与肽段形成广泛接触的候选结构。随后，利用 ProteinMPNN 算法对骨架序列进行深度优化，确保蛋白折叠稳定性与结合亲和力。进一步通过 AlphaFold2 预测设计蛋白与靶标的复合结构，筛选预测结合置信度高且形成稳定界面相互作用的设计。特别引入细化 AF2 模型，对比设计蛋白与目标肽及非目标肽（如密切相关肽段）在 MHC 背景下的结合预测差异，优先选择对目标肽结合预测值显著高于非目标肽的设计。

图 5: 高特异性 pMHCI 结合蛋白的计算设计

研究建立了从设计到功能验证的完整技术链。针对每个 pMHCI 目标，构建包含 200-12,000 个设计的寡核苷酸池，通过酵母展示平台表达蛋白并实施双轮 FACS 筛选：首轮保留与目标 pMHCI 结合的蛋白，次轮排除与广泛表达 MHC 分子（如 HLA-A2）结合的蛋白。结合下一代测序富集分析与克隆选择，最终确定有效设计。通过表面等离子共振（SPR）测定结合亲和力（KD 值范围 1nM-1μM），并解析设计蛋白与 pMHCI 的晶体结构（平均结合界面 820Ų），验证设计模型与实验结构的符合度。将验证成功的蛋白嵌入 CAR 结构，在 Jurkat 细胞及原代人 T 细胞中测试其特异性激活能力，结果显示 8 个设计在 CAR-T 细胞中显示出高效特异性杀伤活性。

研究突破性展示了设计方法的普适性与可扩展性。通过部分扩散技术，成功将靶向单一 pMHCI 复合物的设计骨架重定向为识别其他肿瘤相关抗原（如 PRAME）的新设计，显著缩短设计周期（4-6 周）。进一步验证了使用预测的 pMHCI 结构（而非实验解析结构）作为设计目标的可能性，拓展了方法适用范围。最终在 11 个结构多样的 pMHCI 目标（涵盖病毒蛋白、肿瘤相关蛋白及新抗原的多样化肽段）中实现高效设计，其中 8 个设计在 CAR-T 细胞中验证了临床前功能，证明该方法可为个性化癌症免疫治疗提供精准靶向工具。

总之，该研究证明 AI 驱动的蛋白质设计可突破传统筛选方法的局限性，为开发针对「非免疫原性」肿瘤抗原的 CAR-T 疗法提供了全新范式。特别适用于那些因抗原表达密度低或存在免疫逃逸机制的传统难治性肿瘤，为开发针对疾病细胞的特异性治疗方法提供了新途径。

结语：

综上所述，华盛顿大学 David Baker 研究团队 7 月在Science 和 Nature期刊上发表的三项突破性成果，不仅展示了 AI 驱动的蛋白质设计技术在肿瘤免疫治疗和固有无序蛋白（IDPs）研究领域的巨大潜力，更为精准医疗和疾病机制解析提供了革命性工具。通过结合生成式人工智能与物理建模，研究团队成功实现了对复杂靶点的高特异性结合蛋白设计，解决了传统方法在应对动态无序结构时的核心瓶颈。这些成果不仅推动了 CAR-T 疗法向「非免疫原性」肿瘤抗原的拓展，还为神经退行性疾病、癌症等 IDPs 相关疾病开辟了全新的诊断与治疗策略。

参考文献：

1. Wu K, et al. Design of intrinsically disordered region binding proteins. Science. 2025 July 17

2. Liu B，et al. Design of high-specificity Binders for peptide–MHC-I complexes. Science. 2025 July 24.

3. Liu C, et al. Diffusing protein binders to intrinsically disordered proteins.2025 June 5.

我们长期为科研用户提供前沿资讯、实验方法、选品推荐等服务，并且组建了 70 多个不同领域的专业交流群，覆盖PCR、细胞实验、蛋白研究、神经科学、肿瘤免疫、基因编辑、外泌体、类器官等领域，定期分享实验干货、文献解读等活动。

添加实验菌企微，回复【】中的序号，即可领取对应的资料包哦～

【2401】论文写作干货资料（100 页）

【2402】国内重点实验室分子生物学实验方法汇总（60 页）

【2403】2024 最新最全影响因子（20000+ 期刊目录）

【2404】免疫学信号通路手册

【2405】PCR 实验 protocol 汇总

【2406】免疫荧光实验 protocol 合集

【2407】细胞培养手册

【2408】蛋白纯化实验手册

【2501】染色体分析方法汇总

【2502】国自然中标标书模板

【2503】WB 实验详解及常见问题解答

【2504】DeepSeek 论文写作常用口令

【2505】中国科学院期刊分区表（2025 年最新版）

【2506】期刊影响因子（2025 年最新版）