刚刚，美国诺奖得主再获里程碑突破！定制生命时代即将到来？

你敢相信吗？不用在实验室里苦熬数亿年的进化岁月，人工智能刚刚仅凭“算力”，就凭空设计出了一种催化活性高达 53,000M^-1s^-1的超级酶，一举将人类从头设计酶的水平拉升了几个数量级，让“计算机创造生命零件”的科幻场景彻底变成了现实。

这就是刚刚震撼科学界的里程碑时刻。

这项由2024 年诺贝尔化学奖得主 David Baker领衔，华盛顿大学蛋白质设计研究所团队完成的重磅成果，2025 年 12 月3日同时登上了顶级期刊《自然》《自然-方法》。这不仅仅是设计出了几个新蛋白，它标志着我们正在跨越一道门槛：从“发现”大自然的酶，走向了“定制”自然界从未有过的催化剂。这一技术有望在降解塑料、消除永久化学品甚至治疗疑难杂症上，展现出上帝般的创造力。

在微观世界里，酶是掌控生杀大权的“手术刀”。它们能精准地切断或连接化学键，维持生命的运转。过去，科学家想设计一个新的酶，就像是在试图复刻一把极其复杂的锁。

此前的 AI 虽然厉害（比如初代 RFdiffusion），但它有个致命的弱点：它像个死板的建筑师，你必须告诉它“活性中心”这几块关键的砖头具体砌在墙的第几层、第几行。如果你不知道位置？对不起，它盖不出来。

但对于一个全新的化学反应，谁知道那把“手术刀”该藏在蛋白质的哪个褶皱里？

为了打破这个僵局，David Baker 的团队祭出了一个新的“大杀器”——RFdiffusion2。这是一个基于“流匹配”（Flow Matching）生成的深度学习模型。它最神奇的地方在于，它学会了一种名为“原子级活性位点搭建”的魔法。

简单来说，你不需要先造房子再摆家具。你只需要把几个关键的原子（也就是催化反应的核心基团）像幽灵一样悬浮在虚空中，告诉 AI：这就是我要的反应现场，请围绕这几个悬空的原子，凭空长出一个蛋白质把它们稳稳托住。

不需要指定位置，不需要预设骨架，一切由 AI 自行脑补。

有了这把新钥匙，团队决定挑战一个高难度动作：锌金属水解酶。这种酶在自然界中能通过锌离子激活水分子，像剪刀一样剪断坚固的化学键。

他们首先运用量子化学计算（DFT），算出了化学反应中最关键、也最稍纵即逝的那个状态——过渡态。这就像是用高速摄像机拍下了子弹穿过苹果的一瞬间。

然后，他们把这个“子弹穿过苹果”的原子几何结构丢给了 RFdiffusion2。

AI 开始在数字世界里疯狂试错。它不是在拼凑积木，而是在概率的海洋里流动。它生成了数千种蛋白质骨架，每一根线条都在试图完美地包裹住那个核心的锌离子和反应底物。紧接着，另一个 AI 助手 LigandMPNN 为这些骨架填上了血肉（氨基酸序列）。

在计算机的筛选下，96 个看起来最完美的“设计图纸”被送往了实验室。

在合成生物学领域，通常的情况是：设计 100 个，99 个是废品，剩下一个勉强能动，还得在实验室里像炼蛊一样进化几十轮才能用。

但这一次，奇迹发生了。

没有任何实验优化，直接从电脑代码转化而来的蛋白质，ZETA_1，一经测试就展现出了惊人的活性。它的催化效率（k_cat/K_M）达到了16,000M^-1s^-1

这是什么概念？以前科学家费尽九牛二虎之力设计的金属酶，活性往往只有两位数。ZETA_1 直接把这个数字拉升了三个数量级！

但这还不是终点。团队乘胜追击，在第二轮设计中，引入了一个作为“通用碱基”的谷氨酸，设计出了ZETA_2

53,000M^-1s^-1。

这个数据不仅碾压了所有前辈，甚至已经触碰到了许多天然进化酶的活性门槛。更可怕的是，这种酶非常“皮实”，能反复催化数千次而不疲倦。

数据虽然漂亮，但在眼见为实之前，科学家总是心存疑虑：AI 幻想出来的结构，在现实中真的长那样吗？

通过 X 射线晶体学技术，团队拍下了 ZETA_2 的“高清写真”。

当电脑设计的 3D 模型与真实的晶体结构重叠在一起时，在场的科学家都要起鸡皮疙瘩了——两者几乎完美重合，误差仅为1.1 埃（1 埃等于一亿分之一厘米）。连活性中心那些关键原子的位置，都与 AI 预测的分毫不差。

这就像是你画了一条龙，它不仅活了，连鳞片的纹路都和你画的一模一样。

RFdiffusion2 的出现，意味着我们不再是自然的模仿者，而是成为了创造者。今天它能剪断酯键，明天它就能吞噬塑料垃圾，后天也许就能合成这一秒还不存在的救命药物。

正如 David Baker 所展示的，进化论用了几十亿年才完成的工作，现在的 AI，只需要喝杯咖啡的功夫。

世界，准备好迎接“定制生命”的时代了吗？

参考文献：

1. Donghyo Kim et al.Computational design of metallohydrolasesNature(2025).
2. Woody Ahern et al.Atom-level enzyme active site scaffolding using RFdiffusion2Nature Methods(2025).