AI从头设计蛋白酶

RecodeX 重构消息，华盛顿大学David Baker团队在《Science》发表研究，推出生成式AI模型RFdiffusion3。该模型采用统一全原子生成架构，突破复杂生物分子功能位点设计限制，在设计精度与效率上优于前代方法，并将原子级设计能力拓展至RNA及蛋白质-核酸混合体系。实验验证显示，团队从头设计出可水解有毒有机磷化合物的人工酶，催化速率较无催化条件提升约50万倍；另设计出能选择性切割特定转甲状腺素蛋白相关肽段的人工蛋白酶，对目标底物表现出明显活性与选择性。该成果为环境治理、生物医药、工业生物催化等领域的生物分子设计提供新路径，但距离实际应用仍需在催化效率、稳定性与实验验证方面继续推进。

RecodeX 重构消息，2024年诺贝尔化学奖得主David Baker团队借助AI工具从头设计出半胱氨酸蛋白酶与金属蛋白酶两类具备催化活性的蛋白酶，相关成果连发两篇Nature。两类设计方案的成功率分别约为19%和36%，最高催化加速分别可达约3000万倍和超100亿倍，设计蛋白的实际结构与预期高度吻合，无需依赖天然酶骨架即可实现催化功能。验证显示，这类人工蛋白酶可在哺乳动物细胞内完成预设的蛋白切割任务，并能选择性切割TDP-43、β-淀粉样蛋白等疾病相关蛋白，还可作为分子开关对细胞因子、受体拮抗剂等生物活性分子进行生物正交调控。该成果突破了从头设计特定催化活性酶的技术难点，未来有望用于开发条件激活型治疗蛋白及生物技术、生物修复等领域。