從頭合成自然界不存在的蛋白，這項諾獎技術的應用前景怎么樣？

2025年，來自西湖大學的盧培龍實驗室先后在兩本頂刊Nature、Cell雜志上介紹從頭設計跨膜熒光蛋白和電壓門控陰離子通道。這一年，盧培龍教授也因在蛋白從頭合成領域的出色工作，獲得了騰訊“新基石研究員”、“顧孝誠講座獎”等榮譽。

此前一年，盧培龍實驗室在Cell Research發(fā)表了從頭合成的鏡像蛋白，這種與自然界常見的L-型蛋白截然相反的D-型蛋白，因具有更低的免疫原性、更好的穩(wěn)定性因而在未來醫(yī)學領域大有用武之地而備受關注。

無論是新合成的有功能的蛋白，還是前景光明的人工智能設計抗體領域，從頭合成蛋白領域從未如此受到學界和醫(yī)藥領域的關注?；貒?，盧培龍曾在2024年諾貝爾化學獎得主David Baker實驗室做博后，回國后他在蛋白設計領域做了許多出色工作。此前，圍繞這些自然界原本不存在的合成蛋白，我們采訪了盧培龍教授。

被訪人｜盧培龍（西湖大學生命科學學院特聘研究員）

訪談人｜葉水送

問：2024年，David Baker因在蛋白質設計領域的開創(chuàng)性貢獻獲諾獎，這給你們的研究工作帶來了新的變化嗎？

答：諾獎頒發(fā)給蛋白質設計以及蛋白質結構預測領域之后，大家覺得這個領域更熱了。事實上，Alphafold剛出現(xiàn)時（注：2020年），大家就對人工智能在生物學領域里面的應用抱以很高的期待。

我之前在David Baker實驗室做博后研究時，就開始關注比如膜蛋白、功能性膜蛋白的設計，以及怎樣更好地將蛋白質設計應用到治療性蛋白藥物的開發(fā)上面。從我個人角度來講，（這個領域獲得諾獎認可）并沒有改變我的研究興趣。只是獲諾獎后，可能公眾或者更多的人開始對這個領域感興趣了。

問：如何通過AI來設計一個全新的蛋白？

答：現(xiàn)在大家基本上都在用AI工具來生成蛋白。如果回看整個歷史，其實最早的時候，大家可能基于經(jīng)驗，比如疏水的氨基酸在蛋白質的核心內部，親水的氨基酸在蛋白質的表面，從而去構建一個Alpha螺旋束。后來可能有更多計算的內容介入進來，比如我們可以用固定骨架的序列，去固定一個骨架蛋白，看哪些氨基酸的序列能夠自發(fā)地折疊形成結構。

還有另外一類研究，就是怎么樣更高效地生成這種可以設計的蛋白質骨架，比如全新的蛋白質骨架，這些都是通過一些計算生物學的方法來做的。

我們原來的方法是用一些近似的能量計算以及大規(guī)模的采樣（空間采樣和結構采樣）來看哪些序列的蛋白質，或者是哪些結構的蛋白質，其折疊水平具有比較低的能量狀態(tài)，我們就認為它可能是一個可設計的蛋白質序列或者是蛋白質骨架。

proteinMPNN蛋白設計體系 | 圖源：Science

在人工智能時代下，我們可以應用最先進的工具，比如像protein MPNN或者是rfdusion，直接定制不同類型的骨架或者是蛋白質序列，這大幅降低了原來我們計算和試錯的成本。而且由于Alphafold以及Rosettafold的出現(xiàn)，基本上可以說，那些小的、簡單的蛋白質結構，都可以相對比較準確地預測出來，所以這大幅加快我們對設計的蛋白質序列和蛋白質結構驗證過程。

目前，蛋白設計領域新出現(xiàn)的一個趨勢是各種大語言模型在蛋白質設計方面的應用，比如我們可以用大語言模型來更好地找到蛋白質功能與結構之間的關聯(lián)；一個具有特定結構的蛋白質，通過對氨基酸序列的變化，可找到特定的功能或性質，比如說熱穩(wěn)定性、耐酸性、耐堿性變化規(guī)律等。人工智能預測蛋白結構工具也可以應用到產(chǎn)生新型的蛋白上，這些蛋白有一些氨基酸的突變，具有更好的酶活或熱穩(wěn)定性，這些都是蛋白設計領域新出現(xiàn)的一些研究方向。

問：圍繞鏡像蛋白和跨膜蛋白的人工設計，它們有何不一樣？

答：首先對于鏡像蛋白，我們想用計算生物學的方法去設計自然界中完全不存在的、完全是由D-型氨基酸編碼的蛋白，也就是所謂的鏡像蛋白（注：天然的蛋白都是L-型氨基酸編碼的）。它們設計出來之后，和天然的蛋白屬性完全相反，這會有哪些優(yōu)勢？比如鏡像蛋白的免疫原性比較低，因為它不能夠被天然的酶水解，還有它可能具有口服給藥的潛力以及在生物體內的半衰期更長的特點，所以這無疑是代表了一類新的蛋白質多肽藥物的研究方向，我們對這個科學問題格外地關注。

鏡像結合蛋白的從頭設計 | 圖源：Cell Research

那么如何設計鏡像蛋白？我們還是基于原來傳統(tǒng)的、根據(jù)能量來計算后廣泛采樣的這種方式。就目前而言，人工智能并沒有對鏡像蛋白的結構或者是它和天然蛋白之間相互作用的規(guī)律進行廣泛地學習，因為這類鏡像蛋白在自然界中是完全不存在的，所以它學習的空間非常有限。我們也希望通過對這一類相互作用的設計，得到足夠多的數(shù)據(jù)，使人工智能能更高效地去設計這類鏡像結合蛋白。

跨膜熒光激活蛋白結構示意圖 | 圖源：Nature

另外一個課題是剛提到的跨膜熒光蛋白。最近，我們完成了設計跨膜熒光蛋白的這項工作，它主要的難點在于如何在疏水的膜環(huán)境里面去創(chuàng)造一個水溶性的ligand binding site，也就是配體結合位點。

跨膜蛋白選擇性激活特定熒光分子 | 圖源：Nature

如果我們想在疏水的膜環(huán)境里面創(chuàng)造這樣一個配體結合位點，就需要先對蛋白進行額外的設計，必須得具有跨膜蛋白的特征，然后在蛋白質的核心里面有一個配體結合位點。

通常情況下，這樣的配體結合位點會極大地降低整個蛋白的穩(wěn)定性，因為引入了一個空腔后，蛋白質折疊會受到影響，尤其是對于膜蛋白來說，它對于這種堆積作用要求非常高，所以如果里面有一個很大空腔的話，膜蛋白通常來講不穩(wěn)定。那有沒有我們想設計的這樣一個功能？我們最終通過人工智能輔助設計，創(chuàng)造出跨膜的熒光蛋白，它可以特異性地結合一個熒光生成型的配體分子，有非常高的量子熒光產(chǎn)率，熒光強度大，甚至比我們平常常用的EGFP熒光蛋白的亮度還要高，這在領域里也得到了大家的認可。

盧培龍團隊2025年發(fā)表的從頭合成跨膜熒光蛋白論文 | 圖源：Nature

問：人工合成蛋白將在生物醫(yī)學領域有哪些應用？

答：蛋白質是生命活動的主要執(zhí)行者，所以人工合成蛋白有無限的空間和可能，比如作為合成生物學里面一些關鍵的酶或者是納米孔測序里面關鍵的納米孔蛋白，以及治療性的蛋白，不管是納米抗體還是常用的抗體，以及最近新興的迷你蛋白，或者是鏡像蛋白，我們都可以想象它們可以去干預各種各樣的蛋白與蛋白之間的相互作用。它還可以作為治療新冠的疫苗，能應對各種新出現(xiàn)的、對人類健康有重大威脅的傳染病。它還可以作為剛提到的一些研究工具，或者是作為基因治療的工具，可以更精準地去編輯體內的基因，進而糾正這種疾病給人帶來的影響。

特 別 提 示

1. 進入『返樸』微信公眾號底部菜單“精品專欄“，可查閱不同主題系列科普文章。

2.『返樸』提供按月檢索文章功能。關注公眾號，回復四位數(shù)組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。

版權說明：歡迎個人轉發(fā)，任何形式的媒體或機構未經(jīng)授權，不得轉載和摘編。轉載授權請在「返樸」微信公眾號內聯(lián)系后臺。