Science丨深井之外：合成共进化揭示“不可成药”表面的真相

编译丨酶美

在药物研发的世界里，我们常常成为自身成功的牺牲品。数十年来，该领域一直专注于 “ 低垂的果实 ” ：即蛋白质 天然用于 沟通的深邃、明确的凹槽和界面。这些位点具有高度的 “ 可成药性 ” ，因为大自然已耗费数百万年对它们进行精炼以吸引配体。但当我们审视蛋白质的其余部分时，情况又如何呢？大多数蛋白质表面是 “ 沉默的 ”—— 这些生物物理荒漠似乎抗拒任何结合的尝试。

近日， Science 发表了来自斯坦福大学K. Christopher Garcia团队的研究：

Structural ontogeny of protein-protein

interactions

天然结合 存在于深井；合成结合则如 “ 锯齿 ”

研究通过选择概率模型提取出的最惊人发现，在于能量景观的几何形状。天然的蛋白质界面，如 Z 结构域与其天然亲和体结合物之间的保守相互作用，其特点是存在一个单一的、深邃的能量井。这迫使两个蛋白质形成刚性、固定的几何结构。

相比之下，当强制相互作用在沉默表面上形成时，能量景观转变为 “ 多个可及性相当的井共存 ” 的格局。景观不再是一个深坑，而是呈现出 “ 锯齿 ” 状。量化证据清晰明了：天然界面的能隙比合成界面大 2.6 倍 —— 分别为 4.7 千卡 / 摩尔和仅 1.8 千卡 / 摩尔。这些合成界面由一系列低亲和力、棘轮般的对接模式所 介 导。这表明，当新的相互作用诞生时，它最初是可塑且灵活的，能够在几种不同取向之间转换，而非被锁定在一个位置。 作者认为： “ 替代表面具有浅的能量景观，不利于紧密结合，这很可能源于进化的反选择。 ”

“ 不可成药 ” 表面乃蓄意的进化防御

研究 数据提出了一个 provocative 的假说：所谓的 “ 不可成药 ” 表面并非仅仅是 “ 运气不好 ” 或未经精炼。它们很可能在亿万年间受到了主动的反选择，以避免非特异性相互作用。

如果每个蛋白质表面都具 “ 粘性 ” ，细胞内部将成为一个拥塞、功能紊乱的混乱之地。为防止这种情况，进化已将这些表面的生物物理 “ 禁止入内 ” 标志硬性编码，使它们变得平滑，以确保其拥有浅薄的能态景观。 那么 针对这些区域设计药物 ， 不仅在寻找一把丢失的钥匙；还在与历经数百万年进化压力加固的防御性架构作斗争。

REI 与 “ 立足点 ” ：链间上位性如何协商对接

一个新的相互作用究竟是如何在一个被训练成沉默的表面上开始的？ 作者 利用 REI （平均上位性重要性比率）对此进行了分析。该度量衡量的是链间（配体 - 靶标之间） 相互作用与链内 （蛋白质内部稳定性）相互作用的相对贡献。

研究 发现，从头复合物的形成需要优先级的显著转变： 1 ） 早期选择（建立立足点） ：在初始阶段，链间上位性是主要驱动力。 REI 值很高，因为两个蛋白质必须首先 “ 协商 ” ，就对接模式达成一致。 2 ） 亲和力成熟（内部优化） ：一旦立足点确立，重点便发生转移。随着蛋白质开始优化自身内部几何结构以锁定和稳定新界面， REI 值系统性降低。

与天然复合物不同 —— 因其对接模式已 “ 解决 ” 而维持着平衡的上位性比率 —— 合成复合物必须先优先考虑蛋白质间的 “ 握手 ” ，之后才能微调其内部结构。

“ 种子 ” 概念 —— 一个接触点主宰一切

通过解 构这些 演化轨迹， 研究 识别出了 “ 种子 ” 序列 —— 即充当结合首发哨兵的原始接触点。在模型中，一个序列要符合种子的资格，必须满足三个严格标准： 微弱但可检测的结合、对其目标能量井的高度排他性，以及对最终复合物的高贡献度。

团队 的分析 找到 了作为这些 稳定锚点的 特定残基对：

* F45A–F33B 相互作用（其中 ‘A’ 和 ‘B’ 表示 Z-A 和 Z-B 蛋白链）锚定了 A7B3 复合物。

* V14A–V47B 相互作用充当了 A1B1 复合物的哨兵。

这些特定残基有效地决定了相互作用的命运，缩小了可能的对接模式范围，并引导其余突变趋向一个稳定的取向。

极端可塑性 ——90 度旋转

研究 在合成复合物中发现的结构多样性令人震惊。由于这些原始表面 不 受困于深邃的能量井，它们得以自由探索截然不同的取向。更令人惊讶的是，尽管仅使用了由五种氨基酸（甲硫氨酸、苯丙氨酸、亮氨酸、异亮氨酸和缬氨酸）组成的有限疏水库，这种多样性依然存在。

他们 观察到序列 簇 探索的取向变化幅度高达 91.1° 。有趣的是，这些复合物保持着单向极性 —— 颇像时钟的指针 —— 从未采用反向取向。 A7 蛋白是这种适应性的典型例子，它展示了双重特异性。它能以相似的亲和力同时结合 B3 和 B7 配体，但实现方式是通过将其对接模式旋转超过 50 度以适应不同的伴侣。这种 “ 对接可塑性 ” 是早期进化适应性的一个标志，而在刚性、天然的界面中几乎完全缺失。

AI 驱动设计的新图谱

这些数据为下一代 AI 模型搭建了一座关键的桥梁。目前，像 AlphaFold 和 ProteinMPNN 这类工具，基本上是在 “PDB 赢家数据库 ”—— 即那些已 达到深能量 井的天然进化蛋白质 —— 上训练的。因此，它们常常难以预测或设计针对 “ 原始 ” 表面的结合物，因为它们缺少 “ 失败者 ” 和 “ 初学者 ” 的图谱。

通过使用 Frame2seq 逆折叠模型，在这些 “ 锯齿 ” 状能量景观上绘制序列 - 结构兼容性图谱， 研究 能够开始教导 AI 关于浅能量井的规则。不再局限于寻找天然口袋；现在 也 可以识别在蛋白质 “ 沉默 ” 表面上 “ 拓殖 ” 所需的 “ 种子 ” 。

如果我们现在能够绘制沉默表面的锯齿状景观图，那么，真的存在 “ 不可成药 ” 的蛋白质吗？还是说，我们一直以来只是在错误类型的能量井中寻找答案？

https://doi.org/10.1126/science.adx6931

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！