Nat Biotechnol | AI驱动蛋白表面检索，肖书豪等绘制可药物化的CRBN分子胶互作图谱

2026年8月13日，来自瑞士洛桑联邦理工学院（EPFL）的Nicolas Thomä和Bruno Correia团队在Nature Biotechnology发表题为“Proteome-wide identification of the druggable CRBN interactome”的研究。Pius Galli与肖书豪（Shuhao Xiao）为共同第一作者。研究将基于人工智能的蛋白质表面搜索方法MaSIF-mimicry与高通量实验筛选平台GluePCA相结合，系统探索了人类蛋白质组中能够被CRBN–分子胶复合物识别的潜在靶点，并提出了新的分子胶发现范式。

从“哪些蛋白会被降解”，转向“哪些蛋白其实已经能结合”

分子胶降解剂（molecular glue degrader，MGD）是一类能够促使E3泛素连接酶与原本并不相互作用的蛋白形成复合物，从而诱导目标蛋白降解的小分子药物。来那度胺、泊马度胺等药物就是其中最著名的例子，它们通过E3连接酶受体CRBN（cereblon）招募特定蛋白进行降解。

但目前分子胶开发面临一个核心难题：人类蛋白质组中究竟还有多少蛋白可以被CRBN“劫持”？

过去的筛选往往以“是否发生蛋白降解”为终点。但研究团队提出，真正可开发的靶点空间可能远远大于已经观察到的降解蛋白。一些蛋白实际上已经能够与“CRBN+分子胶”形成弱相互作用，只是结合强度尚不足以触发有效降解。研究人员将这部分蛋白称为一种潜在的CRBN互作网络（latent CRBN interactome）。已有研究表明，在部分体系中，仅将这种相互作用增强约两到三倍，即可使一个“不降解”的蛋白转变为可被有效降解的靶点。

这意味着，寻找分子胶药物的思路可以发生改变：不必从零开始寻找一种能够招募目标蛋白的化合物，而可以先找到那些已经处于“可结合但尚未降解”状态的蛋白，再通过药物化学优化将其推过降解阈值。

一次筛出超过200个CRBN可结合锌指蛋白

研究人员首先建立了分子胶介导的蛋白片段互补分析方法（GluePCA）的高通量实验体系。该方法利用分裂的二氢叶酸还原酶来检测由分子胶介导的蛋白质相互作用：当候选蛋白在分子胶作用下靠近CRBN时，酶活性得以恢复，使酵母能够生长。酵母的生长及测序信号可用来大规模测量蛋白与CRBN的相互作用。

团队首先将这一体系应用到C2H2锌指蛋白家族，对来自1,407个基因的8,363个单锌指结构域进行了筛选。结果显示，超过200个锌指结构域能够以药物依赖的方式与CRBN–泊马度胺结合，其中结合最强的一批正是已经被报道能够被泊马度胺或经过优化的分子胶降解的蛋白。

这一结果揭示了一个重要现象：CRBN实际上能够结合许多潜在底物。我们今天观察到的少量降解靶点，仅仅是潜在结合网络中的冰山一角。

利用AI从人类蛋白质组检索相似的蛋白表面

在建立实验筛选体系后，研究人员进一步把问题从锌指蛋白家族扩展到整个人类蛋白质组。

传统的蛋白靶点搜索通常依赖序列同源性或整体结构相似性。但分子胶产生的是一种新的、非天然的蛋白界面，不一定受到进化同源性的约束，因此两个序列和整体结构截然不同的蛋白，仍可能在局部拥有几乎相同的CRBN结合表面。

为解决这一问题，研究团队开发并应用了MaSIF-mimicry。该方法利用几何深度学习描述蛋白表面的几何形状和化学性质，并通过对AI生成的“蛋白质分子表面指纹”进行比对，判断局部表面是否具有相似的相互作用特征。

研究人员将AlphaFold2预测的人类蛋白质组拆分成 75,684个结构域，然后以已知CRBN底物的结合界面作为“查询模板”，在全蛋白质组中搜索相似表面。结果发现，GluePCA筛选出的200多个可与CRBR–泊马度胺结合的单锌指结构域，具有与已知CRBN底物高度相似的蛋白表面；相比之下，全长序列或界面序列比对、ESM2蛋白语言模型表达以及整体结构相似性等指标的区分能力明显较弱。同时，许多最新研究发现的CRBN底物，如mTOR，VAV1，和NEK7等，即便序列和结构相似性很低，实际上与早期发现的一些CRBN底物表现出高度相似的局部界面。

这也提出了一个更一般的概念：蛋白质可以在没有共同进化来源、甚至没有相似整体结构的情况下，通过“表面模仿（surface mimicry）”形成相似的蛋白相互作用。

从全蛋白质组预测中找到43个全新CRBN结合蛋白

以Ikaros的CRBN结合界面为模板，MaSIF-mimicry首先从人类蛋白质组中找到数千个具有相似表面的候选结构域。研究人员进一步筛选出1,959个高排名候选，并将较大的蛋白裁剪成包含预测结合界面的最小稳定结构域，构建所谓的基因“盆栽文库（bonsai library）”，随后用GluePCA进行实验验证。

结果不仅重新找到了mTOR、ZBED3、CHD7、HNRNPD和MYH9等最新发现的CRBN新底物，还发现了43个此前未知、能够以药物依赖方式结合CRBN–泊马度胺的蛋白结构域。

更值得注意的是，新靶点并不都遵循经典的β-hairpin G-loop模式。部分蛋白使用螺旋形式的G-loop，而一些预测靶点甚至完全绕开了经典G-loop中的关键甘氨酸。研究共发现9个候选结构域可能通过G-loop非依赖的方式与CRBN结合。

代表性的候选蛋白质如CHD8、TDRD6、SPART、RNF39和CKAP5随后在哺乳动物细胞中通过NanoBiT平台得到了验证。这些实验显示，许多相互作用在关键界面残基突变后显著减弱或完全消失，验证了MaSIF-mimicry预测的结合模式的准确性。

从“预测靶点”走到真正的分子胶

研究团队最后挑选RNF39来验证这一平台是否能够真正成为药物发现的起点。

RNF39此前并不是已知的CRBN分子胶靶点。研究团队从960种CRBN结合化合物类似物中进行筛选，找到了8种比泊马度胺更明显增强RNF39–CRBN结合的分子。其中两种候选化合物可使相互作用提高约5倍。

其中Z5000181945不仅增强了RNF39与CRBN的结合，还能够诱导RNF39 RING finger结构域发生CRBN依赖的降解；关键结合位点突变后，这种作用随之消失。

这项实验完成了研究中最关键的一次“闭环”：

蛋白质组搜索→找到潜在CRBN结合蛋白→高通量实验验证→化合物筛选和优化→实现目标蛋白降解。

分子胶发现或从“偶然发现”走向系统设计

这项工作的意义并不只是增加了几十个CRBN结合蛋白，更重要的是，它提出了一种新的分子胶发现范式。

过去，分子胶在很大程度上依赖表型筛选甚至偶然发现：先找到一个具有特殊生物学效应的小分子，再追溯它把哪个蛋白“粘”到了E3连接酶上。而这项研究反过来从蛋白质组中已经存在的潜在相互作用出发，先绘制哪些蛋白原则上能够被某个E3–分子胶体系识别，再通过化合物优化将弱相互作用转化成高亲和力、高选择性的蛋白降解。

从这一角度看，CRBN并不是只能识别少数具有特定序列或折叠的蛋白，而更像是面对一个由大量局部表面相似性连接起来的潜在蛋白界面网络。许多目前所谓的“不可成药蛋白”，可能并非完全无法被药物控制，而只是尚未找到合适的分子胶，将它们已有的弱相互作用进一步放大。

作者认为，MaSIF-mimicry + GluePCA的计算—实验联合框架原则上并不限于CRBN。随着更多E3连接酶、分子胶和三元复合物结构被解析，同样的方法可以应用于其他E3–分子胶体系，从而系统扩充分子胶可以触及的人类蛋白质靶点空间。

总结来说，这项研究的重点不在于“哪些蛋白被分子胶降解”，而是通过AI识别蛋白的局部表面相似性，筛选出“潜在的分子胶降解靶点的蛋白”，从而绘制了CRBN-分子胶在蛋白质组中的互作图谱。

https://www.nature.com/articles/s41587-026-03237-7

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

推荐直播

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

点击主页推荐活动

关注更多最新活动！