Science | Alice Ting團隊開發新型?AI?方法，提供一種強大、快速且易得的方法來微調蛋白質行為

撰文、編譯 | 酶美

從消化食物到復制 DNA，蛋白質幾乎承擔了細胞內的每一項任務。但與人類制造的靜態、剛性機器不同，蛋白質是動態的。它們的功能通常取決于其在不同形狀或“構象（conformations）”之間切換的卓越能力。例如，酶可能需要從“失活”形狀轉變為“活性”形狀才能進行化學反應；細胞表面的受體可能會改變其結構，從而向內部發送信號。

幾十年來，計算蛋白質設計在創建靜態、單一形狀的結構方面表現出色。然而，核心挑戰一直在于如何精確控制這些生物機器的動態變形行為。現有的預測這些變化的方法（如分子動力學模擬）雖然強大，但因極其復雜且計算成本高昂而聞名，這使得它們無法對數以千計的蛋白質變體進行常規分析。

現在，一種名為“構象偏置”（Conformational Biasing，簡稱 CB）的新型計算方法提供了一個突破性的解決方案。近日，Science發布了Alice Ting團隊的研究成果：

Computational design of conformation-biasing mutations to alter protein functions

突破點不在于為單一形狀打分，而在于對比兩種形狀

“構象偏置”的核心理念非常優雅。它使用了一種被稱為“反向折疊模型”（IFM）的 AI。像 AlphaFold 這樣的模型是根據氨基酸序列預測蛋白質的 3D 形狀，而 IFM 則相反：它們觀察 3D 形狀并判斷某個序列與其匹配的程度。

CB 這種反直覺的關鍵洞察在于：不要試圖尋找那些在單一目標形狀（如“活性”狀態）下得分很高的突變。以往的方法嘗試過這樣做，但結果具有誤導性。研究人員發現，原因是這些得分與蛋白質的“表達水平”（即細胞產生了多少蛋白質）高度相關。這意味著，高分無法區分一個突變究竟是真正改善了蛋白質特定形狀的功能，還是僅僅因為讓細胞制造了更多的蛋白質。

相反，CB 的工作原理是對比兩個備選狀態（例如“活性”對比“失活”），尋找得分差異最大的突變。這種“對比打分（Contrastive Scoring）”正是其成功的秘訣。它能識別出那些不僅僅讓蛋白質整體變得“更好”，而是專門將其推向一種構象、同時拉離另一種構象的變化。

這一點在 SARS-CoV-2 刺突蛋白（Spike protein）上得到了明確驗證。該蛋白必須處于“向上”構象才能與人類細胞結合。當研究人員僅對“向上”形狀進行評分時，在排除表達水平影響后，高分變體并沒有表現出更強的結合力。事實上，許多高分變體只是表達量增加帶來的誤導性假象。然而，CB 通過對比“向上”與“向下”評分的方法，即使在標準化表達量之后，也成功識別出了結合能力增強或減弱的變體。

因此，雖然概念簡單，但 CB 中使用的對比評分目標對于預測構象特異性功能至關重要。這是一種強大的思維轉變：它提供了一種更具針對性的方法來微調特定屬性，而不是僅僅提高蛋白質的整體“適應度”（這通常是多種復雜因素的混合體）。

酶的“脫靶錯誤”可以變成一種功能

該成過帶來的另一個案例是一種叫做硫辛酸連接酶（LplA）的酶，它通過在“開啟”和“關閉”形狀之間切換，將分子附著到其他蛋白質上。研究人員應用 CB 來觀察他們是否能控制這種形狀切換，并以此調節酶的行為。結果令人矚目：他們能夠精確控制酶的“雜泛性（promiscuity）”——即它意外標記非預期的“脫靶”蛋白質的傾向。

這種隨心所欲調高或調低酶的“馬虎程度”能力，從同一個起點創造了兩個強大的新工具：

• 將 LplA 偏置為“關閉”狀態：使酶的雜泛性降低，特異性增強。這對于需要清晰觀察細胞中單個靶標蛋白位置的生物技術應用非常有用，因為它顯著提高了成像的信噪比。

• 將 LplA 偏置為“開啟”狀態：使其更具雜泛性。這巧妙地將通常被視為缺點的特性（雜泛性）轉化為“鄰近標記”技術的強大功能。鄰近標記是一種前沿技術，用于繪制整個細胞“鄰里關系”的綜合圖譜。

這個例子展示了 CB 如何通過精確操縱酶的動態行為，不僅改進現有的生物技術，還能為新興技術創造強大的新工具。

微小的調整可以遠距離影響整個蛋白質

研究中最令人驚訝的發現之一是有效突變發生的位置。直覺上，人們可能認為要改變蛋白質的形狀，需要修改移動最大的部分。但事實往往并非如此。

許多被CB預測具有強大效果的突變，都位于遠離活性位點或物理變化最大區域的地方。例如，在 腎上腺素受體β2AR，一種重要的藥物靶點 G 蛋白偶聯受體中，偏置突變分布在整個結構上，而不僅僅集中在激活期間移動最大的 TM6 螺旋周圍。

實驗數據驗證了這些遠離構象變化劇烈區域的突變確實有效。這一發現意義重大，因為它表明這些遙遠的突變觸及了隱藏的、長程的“別構網絡（Allosteric Networks）”，這些網絡從遠處調節著蛋白質的功能。因此，CB 可能成為發現這些以前未被認識到的、對于蛋白質運作至關重要的調節機制的利器。

CB 方法極高的效率和易用性。與可能需要數天或數周運行時間的計算密集型技術不同，CB 極其高效。它可以在一分鐘內，在單個消費級 GPU 上分析超過 3000 個蛋白質變體。

這種速度加上其簡單的設計，使得該方法對于計算資源有限的非專業實驗室也極具吸引力。此外，它的廣泛用途已經得到證實。研究人員在一系列重要且多樣化的蛋白質上成功驗證了 CB，證明了其通用性。速度、易用性以及在多種生物系統中被證實的有效性，使構象偏置成為蛋白質工程領域一個多才多藝且強大的新工具。

通過將焦點從優化單一靜態狀態的蛋白質轉向偏置其在多個動態形狀之間的偏好，“構象偏置”法提供了一種強大、快速且易得的方法來微調蛋白質行為。它代表了設計生物學最核心機器“運動部件”的新范式。

這一突破給我們留下了一個引人深思的問題：既然我們現在可以微調生命的動態機器，那么在醫學和生物技術領域，下一步我們將解決哪些目前無法攻克的難題？

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

制版人： 十一

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

轉載須知

【原創文章】BioArt原創文章，歡迎個人轉發分享，未經允許禁止轉載，所刊登的所有作品的著作權均為BioArt所擁有。BioArt保留所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點擊主頁推薦活動

關注更多最新活動！