Science | Alice Ting团队开发新型 AI 方法，提供一种强大、快速且易得的方法来微调蛋白质行为

撰文、编译 | 酶美

从消化食物到复制 DNA，蛋白质几乎承担了细胞内的每一项任务。但与人类制造的静态、刚性机器不同，蛋白质是动态的。它们的功能通常取决于其在不同形状或“构象（conformations）”之间切换的卓越能力。例如，酶可能需要从“失活”形状转变为“活性”形状才能进行化学反应；细胞表面的受体可能会改变其结构，从而向内部发送信号。

几十年来，计算蛋白质设计在创建静态、单一形状的结构方面表现出色。然而，核心挑战一直在于如何精确控制这些生物机器的动态变形行为。现有的预测这些变化的方法（如分子动力学模拟）虽然强大，但因极其复杂且计算成本高昂而闻名，这使得它们无法对数以千计的蛋白质变体进行常规分析。

现在，一种名为“构象偏置”（Conformational Biasing，简称 CB）的新型计算方法提供了一个突破性的解决方案。近日，Science发布了Alice Ting团队的研究成果：

Computational design of conformation-biasing mutations to alter protein functions

突破点不在于为单一形状打分，而在于对比两种形状

“构象偏置”的核心理念非常优雅。它使用了一种被称为“反向折叠模型”（IFM）的 AI。像 AlphaFold 这样的模型是根据氨基酸序列预测蛋白质的 3D 形状，而 IFM 则相反：它们观察 3D 形状并判断某个序列与其匹配的程度。

CB 这种反直觉的关键洞察在于：不要试图寻找那些在单一目标形状（如“活性”状态）下得分很高的突变。以往的方法尝试过这样做，但结果具有误导性。研究人员发现，原因是这些得分与蛋白质的“表达水平”（即细胞产生了多少蛋白质）高度相关。这意味着，高分无法区分一个突变究竟是真正改善了蛋白质特定形状的功能，还是仅仅因为让细胞制造了更多的蛋白质。

相反，CB 的工作原理是对比两个备选状态（例如“活性”对比“失活”），寻找得分差异最大的突变。这种“对比打分（Contrastive Scoring）”正是其成功的秘诀。它能识别出那些不仅仅让蛋白质整体变得“更好”，而是专门将其推向一种构象、同时拉离另一种构象的变化。

这一点在 SARS-CoV-2 刺突蛋白（Spike protein）上得到了明确验证。该蛋白必须处于“向上”构象才能与人类细胞结合。当研究人员仅对“向上”形状进行评分时，在排除表达水平影响后，高分变体并没有表现出更强的结合力。事实上，许多高分变体只是表达量增加带来的误导性假象。然而，CB 通过对比“向上”与“向下”评分的方法，即使在标准化表达量之后，也成功识别出了结合能力增强或减弱的变体。

因此，虽然概念简单，但 CB 中使用的对比评分目标对于预测构象特异性功能至关重要。这是一种强大的思维转变：它提供了一种更具针对性的方法来微调特定属性，而不是仅仅提高蛋白质的整体“适应度”（这通常是多种复杂因素的混合体）。

酶的“脱靶错误”可以变成一种功能

该成过带来的另一个案例是一种叫做硫辛酸连接酶（LplA）的酶，它通过在“开启”和“关闭”形状之间切换，将分子附着到其他蛋白质上。研究人员应用 CB 来观察他们是否能控制这种形状切换，并以此调节酶的行为。结果令人瞩目：他们能够精确控制酶的“杂泛性（promiscuity）”——即它意外标记非预期的“脱靶”蛋白质的倾向。

这种随心所欲调高或调低酶的“马虎程度”能力，从同一个起点创造了两个强大的新工具：

• 将 LplA 偏置为“关闭”状态：使酶的杂泛性降低，特异性增强。这对于需要清晰观察细胞中单个靶标蛋白位置的生物技术应用非常有用，因为它显著提高了成像的信噪比。

• 将 LplA 偏置为“开启”状态：使其更具杂泛性。这巧妙地将通常被视为缺点的特性（杂泛性）转化为“邻近标记”技术的强大功能。邻近标记是一种前沿技术，用于绘制整个细胞“邻里关系”的综合图谱。

这个例子展示了 CB 如何通过精确操纵酶的动态行为，不仅改进现有的生物技术，还能为新兴技术创造强大的新工具。

微小的调整可以远距离影响整个蛋白质

研究中最令人惊讶的发现之一是有效突变发生的位置。直觉上，人们可能认为要改变蛋白质的形状，需要修改移动最大的部分。但事实往往并非如此。

许多被CB预测具有强大效果的突变，都位于远离活性位点或物理变化最大区域的地方。例如，在 肾上腺素受体β2AR，一种重要的药物靶点 G 蛋白偶联受体中，偏置突变分布在整个结构上，而不仅仅集中在激活期间移动最大的 TM6 螺旋周围。

实验数据验证了这些远离构象变化剧烈区域的突变确实有效。这一发现意义重大，因为它表明这些遥远的突变触及了隐藏的、长程的“别构网络（Allosteric Networks）”，这些网络从远处调节着蛋白质的功能。因此，CB 可能成为发现这些以前未被认识到的、对于蛋白质运作至关重要的调节机制的利器。

CB 方法极高的效率和易用性。与可能需要数天或数周运行时间的计算密集型技术不同，CB 极其高效。它可以在一分钟内，在单个消费级 GPU 上分析超过 3000 个蛋白质变体。

这种速度加上其简单的设计，使得该方法对于计算资源有限的非专业实验室也极具吸引力。此外，它的广泛用途已经得到证实。研究人员在一系列重要且多样化的蛋白质上成功验证了 CB，证明了其通用性。速度、易用性以及在多种生物系统中被证实的有效性，使构象偏置成为蛋白质工程领域一个多才多艺且强大的新工具。

通过将焦点从优化单一静态状态的蛋白质转向偏置其在多个动态形状之间的偏好，“构象偏置”法提供了一种强大、快速且易得的方法来微调蛋白质行为。它代表了设计生物学最核心机器“运动部件”的新范式。

这一突破给我们留下了一个引人深思的问题：既然我们现在可以微调生命的动态机器，那么在医学和生物技术领域，下一步我们将解决哪些目前无法攻克的难题？

https://www.science.org/doi/10.1126/science.adv7953

制版人： 十一

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【原创文章】BioArt原创文章，欢迎个人转发分享，未经允许禁止转载，所刊登的所有作品的著作权均为BioArt所拥有。BioArt保留所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

近期直播推荐

点击主页推荐活动

关注更多最新活动！