▎药明康德内容团队编辑
酶分子是催化人体内许多核心生理反应的关键，也在新药研发等领域有着重要应用。近日，华盛顿大学（University of Washington）的蛋白人工设计大师David Baker教授团队在《自然》杂志上发表论文，利用AI与机器学习平台，首次精准地从头设计出酶分子！正如《自然》论文的摘要所言，这项研究可谓是蛋白设计领域中的一项重要里程碑。
科学家在多年前便尝试从头设计酶分子（de novo enzyme design），然而由于诸多限制而未能取得重要突破。酶分子在催化化学反应的第一个步骤是通过酶上的活性位点（active site）与所催化的底物（substrate）相结合，形成酶-底物复合物。接着酶分子通过稳定催化反应发生所必需的高能过渡态来促使化学反应的进行。因此在进行从头酶分子设计时的首要步骤便是识别活性位点以及可与底物结合的口袋，但这经常因为现有蛋白结构文库缺乏合适的蛋白结构，以及天然蛋白序列-结构关系的复杂性而受到限制。常常仅改变酶分子中少数氨基酸的序列，便造成蛋白质产生不可预测的结构变化，因此要设计出能够与底物具高度选择性结合，并精确催化化学反应的酶分子并不容易，尤其是当具有相似结构的底物同时存在之时。除了酶分子需要能与底物专一性地结合，如何优化氨基酸序列与结构，使得所设计出来的酶分子具有高度活性与催化效力也是科学家所面对的一大难题，这需要对酶分子的活性位点有更进一步、精确的控制才得以实现。为了达成从头设计有效、具专一性酶分子的挑战，许多科技与方法也应运而生，例如使用量子力学/分子力学（QM/MM）计算来模拟化学反应机制以及像是蛋白设计平台Rosetta与AlphaFold等等，都为酶分子从头设计带来潜在的贡献。为了实现从头设计酶分子这项挑战，Baker教授团队成员选择重新设计萤光素酶（luciferase）为目标。萤光素酶能够催化一种称为荧光素（luciferin）的底物产生氧化反应，以产生生物发光（bioluminescence）。然而由于萤光素酶的蛋白结构中含有多个双硫键，因此在蛋白生产时经常有折叠错误的情形发生。此外，许多天然的萤光素酶无法辨认人工制造的荧光素或产生所需的荧光特性。这些诸多因素都促使研究人员想要通过重新设计蛋白质，来获得更加理想、具应用性的荧光素酶。研究人员选择了合成的荧光素酶底物二苯基特拉嗪（diphenylterazine，DTZ）为合成酶分子的作用目标。为了识别能够与DTZ相结合的蛋白“口袋”结构，研究人员首先将DTZ与4000个天然的小分子结合蛋白进行对接（docking），并发现许多核转运因子2（NTF2）样折叠蛋白具有与DTZ结构互补、合适DTZ大小和形状的口袋，因此便选择NTF2样超家族作为目标的拓扑结构。接着，研究人员通过一种基于深度学习的方法以及Rosetta蛋白序列设计平台，以产生大量包含不同口袋形状的NTF2样超家族蛋白质结构，并设计编码这些结构的序列。这种深度学习方法能够从头设计蛋白结构的环（loop）与可变区域（variable regions），并以结构为导向来优化蛋白核心部位的序列。Rosetta平台中的trRosetta结构预测神经网络则可有效地识别能够在实验中成功验证的从头设计蛋白质，和产生不同拓扑的新球状蛋白质。研究人员利用这些产生的蛋白支架设计了人工荧光素酶，这些酶能以高选择性催化合成DTZ的氧化化学发光。其中活性最强的是一种称为LuxSit-i的小型（13.9 kDa）、耐热的（熔解温度高于95℃）酶，这种酶DTZ的催化效率与天然荧光酶相当，但对底物的特异性则要高出许多。▲首个从头设计荧光素酶LuxSit-i的生物发光反应（图片来源：参考资料[1]）
这项能够从头设计具高活性和高特异性酶分子的实验成果，可谓达成此领域的关键里程碑。酶分子的广阔应用性预示了此项技术的潜在巨大影响力。新的酶分子可能有益于生物技术、医学、环境修复和制造。例如，在生物技术中，酶可以改善生物燃料生产、食品加工和药品制造。在医学上，酶可以作为治疗和诊断工具。酶设计可以通过分解污染物或清理被污染的场所来改善环境。而酶也可能有助于生产生物降解塑料和粘合剂等新材料。“我们能够在计算机上从头开始设计出非常高效的酶，而不是依赖自然界中发现的酶。这一突破意味着，原则上，几乎任何化学反应的定制酶都可以被设计出来。”论文的共同第一作者叶先伟（Hsien-Wei Yeh）博士说道。近年来，AI在预测蛋白质三维结构和合成全新蛋白方面不断取得突破。而此次科学家达成从头设计酶分子这项挑战，更显示此技术朝着改变人类生活又近了一步。让我们期待这项科学突破能够尽快获得转化，在生物医学上获得应用以造福大众。
药明康德为全球生物医药行业提供一体化、端到端的新药研发和生产服务，服务范围涵盖化学药研发和生产、生物学研究、临床前测试和临床试验研发、细胞及基因疗法研发、测试和生产等领域。如您有相关业务需求，欢迎点击下方图片填写具体信息。▲如您有任何业务需求，请长按扫描上方二维码，或点击文末“阅读原文/Read more”，即可访问业务对接平台，填写业务需求信息
▲欲了解更多前沿技术在生物医药产业中的应用，请长按扫描上方二维码，即可访问“药明直播间”，观看相关话题的直播讨论与精彩回放
参考资料：
[1] Yeh, Andy Hsien-Wei et al. “De novo design of luciferases using deep learning.” Nature vol. 614,7949 (2023): 774-780. doi:10.1038/s41586-023-05696-3
[2] Artificial intelligence conjures proteins that speed up chemical reactions. Retrieved February 24, 2023 from https://www.eurekalert.org/news-releases/980597
免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。
版权说明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德」微信公众号回复“转载”，获取转载须知。