Science丨深井之外：合成共進化揭示“不可成藥”表面的真相

編譯丨酶美

在藥物研發的世界里，我們常常成為自身成功的犧牲品。數十年來，該領域一直專注于 “ 低垂的果實 ” ：即蛋白質 天然用于 溝通的深邃、明確的凹槽和界面。這些位點具有高度的 “ 可成藥性 ” ，因為大自然已耗費數百萬年對它們進行精煉以吸引配體。但當我們審視蛋白質的其余部分時，情況又如何呢？大多數蛋白質表面是 “ 沉默的 ”—— 這些生物物理荒漠似乎抗拒任何結合的嘗試。

近日， Science 發表了來自斯坦福大學K. Christopher Garcia團隊的研究：

Structural ontogeny of protein-protein

interactions

天然結合 存在于深井；合成結合則如 “ 鋸齒 ”

研究通過選擇概率模型提取出的最驚人發現，在于能量景觀的幾何形狀。天然的蛋白質界面，如 Z 結構域與其天然親和體結合物之間的保守相互作用，其特點是存在一個單一的、深邃的能量井。這迫使兩個蛋白質形成剛性、固定的幾何結構。

相比之下，當強制相互作用在沉默表面上形成時，能量景觀轉變為 “ 多個可及性相當的井共存 ” 的格局。景觀不再是一個深坑，而是呈現出 “ 鋸齒 ” 狀。量化證據清晰明了：天然界面的能隙比合成界面大 2.6 倍 —— 分別為 4.7 千卡 / 摩爾和僅 1.8 千卡 / 摩爾。這些合成界面由一系列低親和力、棘輪般的對接模式所 介 導。這表明，當新的相互作用誕生時，它最初是可塑且靈活的，能夠在幾種不同取向之間轉換，而非被鎖定在一個位置。 作者認為： “ 替代表面具有淺的能量景觀，不利于緊密結合，這很可能源于進化的反選擇。 ”

“ 不可成藥 ” 表面乃蓄意的進化防御

研究 數據提出了一個 provocative 的假說：所謂的 “ 不可成藥 ” 表面并非僅僅是 “ 運氣不好 ” 或未經精煉。它們很可能在億萬年間受到了主動的反選擇，以避免非特異性相互作用。

如果每個蛋白質表面都具 “ 粘性 ” ，細胞內部將成為一個擁塞、功能紊亂的混亂之地。為防止這種情況，進化已將這些表面的生物物理 “ 禁止入內 ” 標志硬性編碼，使它們變得平滑，以確保其擁有淺薄的能態景觀。 那么 針對這些區域設計藥物 ， 不僅在尋找一把丟失的鑰匙；還在與歷經數百萬年進化壓力加固的防御性架構作斗爭。

REI 與 “ 立足點 ” ：鏈間上位性如何協商對接

一個新的相互作用究竟是如何在一個被訓練成沉默的表面上開始的？ 作者 利用 REI （平均上位性重要性比率）對此進行了分析。該度量衡量的是鏈間（配體 - 靶標之間） 相互作用與鏈內 （蛋白質內部穩定性）相互作用的相對貢獻。

研究 發現，從頭復合物的形成需要優先級的顯著轉變： 1 ） 早期選擇（建立立足點） ：在初始階段，鏈間上位性是主要驅動力。 REI 值很高，因為兩個蛋白質必須首先 “ 協商 ” ，就對接模式達成一致。 2 ） 親和力成熟（內部優化） ：一旦立足點確立，重點便發生轉移。隨著蛋白質開始優化自身內部幾何結構以鎖定和穩定新界面， REI 值系統性降低。

與天然復合物不同 —— 因其對接模式已 “ 解決 ” 而維持著平衡的上位性比率 —— 合成復合物必須先優先考慮蛋白質間的 “ 握手 ” ，之后才能微調其內部結構。

“ 種子 ” 概念 —— 一個接觸點主宰一切

通過解 構這些 演化軌跡， 研究 識別出了 “ 種子 ” 序列 —— 即充當結合首發哨兵的原始接觸點。在模型中，一個序列要符合種子的資格，必須滿足三個嚴格標準： 微弱但可檢測的結合、對其目標能量井的高度排他性，以及對最終復合物的高貢獻度。

團隊 的分析 找到 了作為這些 穩定錨點的 特定殘基對：

* F45A–F33B 相互作用（其中 ‘A’ 和 ‘B’ 表示 Z-A 和 Z-B 蛋白鏈）錨定了 A7B3 復合物。

* V14A–V47B 相互作用充當了 A1B1 復合物的哨兵。

這些特定殘基有效地決定了相互作用的命運，縮小了可能的對接模式范圍，并引導其余突變趨向一個穩定的取向。

極端可塑性 ——90 度旋轉

研究 在合成復合物中發現的結構多樣性令人震驚。由于這些原始表面 不 受困于深邃的能量井，它們得以自由探索截然不同的取向。更令人驚訝的是，盡管僅使用了由五種氨基酸（甲硫氨酸、苯丙氨酸、亮氨酸、異亮氨酸和纈氨酸）組成的有限疏水庫，這種多樣性依然存在。

他們 觀察到序列 簇 探索的取向變化幅度高達 91.1° 。有趣的是，這些復合物保持著單向極性 —— 頗像時鐘的指針 —— 從未采用反向取向。 A7 蛋白是這種適應性的典型例子，它展示了雙重特異性。它能以相似的親和力同時結合 B3 和 B7 配體，但實現方式是通過將其對接模式旋轉超過 50 度以適應不同的伴侶。這種 “ 對接可塑性 ” 是早期進化適應性的一個標志，而在剛性、天然的界面中幾乎完全缺失。

AI 驅動設計的新圖譜

這些數據為下一代 AI 模型搭建了一座關鍵的橋梁。目前，像 AlphaFold 和 ProteinMPNN 這類工具，基本上是在 “PDB 贏家數據庫 ”—— 即那些已 達到深能量 井的天然進化蛋白質 —— 上訓練的。因此，它們常常難以預測或設計針對 “ 原始 ” 表面的結合物，因為它們缺少 “ 失敗者 ” 和 “ 初學者 ” 的圖譜。

通過使用 Frame2seq 逆折疊模型，在這些 “ 鋸齒 ” 狀能量景觀上繪制序列 - 結構兼容性圖譜， 研究 能夠開始教導 AI 關于淺能量井的規則。不再局限于尋找天然口袋；現在 也 可以識別在蛋白質 “ 沉默 ” 表面上 “ 拓殖 ” 所需的 “ 種子 ” 。

如果我們現在能夠繪制沉默表面的鋸齒狀景觀圖，那么，真的存在 “ 不可成藥 ” 的蛋白質嗎？還是說，我們一直以來只是在錯誤類型的能量井中尋找答案？

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

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！