靶向蛋白质降解（TPD）技术正成为调控细胞功能的关键工具，在生物医学研究和合成生物学领域展现出巨大潜力。相较于传统基因调控手段，蛋白质水平的直接降解具备快速响应、高度可调等独特优势，且无需改造基因组。
近年来，真核系统中的PROTAC、分子胶等化学诱导策略已推动疾病治疗取得突破，但细菌系统的蛋白质降解技术仍面临双重瓶颈：降解剂添加法（degrader addition）依赖化学分子，存在膜通透性差、成本高昂等问题；降解子融合技术（degron fusion）需预先对靶蛋白进行基因修饰，不仅操作繁琐，还可能破坏蛋白质天然功能。
来源：Nature Communications
针对这一挑战，江南大学刘立明团队近日在Nature Communications发表了突破性研究。该团队开发出一种名为GPlad（引导蛋白标记与降解）的新型降解系统，通过从头设计的引导蛋白（GP）和精氨酸激酶（McsB）的协同作用，在大肠杆菌中实现了多种蛋白质的精准降解（包括荧光蛋白、代谢酶、人类蛋白质）。
该系统被进一步拓展为多功能工具集：antiGPlad实现可逆抑制、OptoGPlad达成光控调节、GPTAC可同时降解多个靶标。这项技术提供了一种无需预融合的"即插即用"式降解策略，为合成生物学和代谢工程开辟了新路径。
如下图所示，GPlad系统的核心创新在于将降解过程拆解为三级级联反应：1）基于Rosetta软件设计的引导蛋白（GP）精准锚定靶蛋白表面疏水区域（如mKate2荧光蛋白的A143/T145/Y195位点）；2）融合于GP末端的枯草芽孢杆菌源精氨酸激酶（McsB）对靶蛋白进行磷酸化标记；3）宿主内源蛋白酶ClpCP识别磷酸化信号并启动降解。
图1. GPlad系统的设计与构建（来源：Nature Communications）
通过共表达激活因子McsA、优化连接肽长度等策略，团队将mKate2的降解效率提升至89%，且4D-FastDIA蛋白质组学证实系统具有超高特异性，在检测的2758个蛋白质中仅目标蛋白显著减少。
随后，研究人员又构建了三类调控工具，极大拓展了应用场景：
antiGPlad：可逆抑制
设计靶向McsB活性位点的结合蛋白（antiMcsB），通过阿拉伯糖诱导表达，可阻断McsB的磷酸化功能，使降解过程可逆。诱导后mKate2降解被抑制，荧光仅下降9%（对照组下降91%）。
OptoGPlad：光控调节
基于蓝光诱导的Magnet 系统（pMagFast1和nMagHigh1），将GPmKate2与pMagFast1融合，McsB与nMagHigh1融合。蓝光下两者结合，启动降解；黑暗中分离，降解停止。该系统可远程精准调控蛋白降解。
GPTAC：多靶标降解
仿照PROTAC分子作用逻辑，由两个引导蛋白组成（GPtarget结合靶蛋白，GPMcs结合McsB），通过linker连接，可同时将McsB递送至多个靶蛋白。成功同时降解mKate2和eGFP，效率分别为77.1%和68.3%。
图2. 扩展GPlad工具箱（来源：Nature Communications）
在产业化验证中，GPTAC技术展现出显著优势。通过动态降解芳香族氨基酸合成酶AroE，团队实现了"细胞生长-产物合成"的代谢模式切换。在5L发酵罐中，3-脱氢莽草酸（DHS）产量达到92.6g/L，较传统CRISPRi方法提升23.8%，且无需添加昂贵氨基酸补剂。
图3. 利用GPTAC进行DHS生产的工程动态路径调控（来源：Nature Communications）
这项研究标志着原核生物靶向降解技术从"依赖预编辑"迈入"即插即用"时代。随着计算蛋白设计的快速发展，GPlad平台有望在抗感染治疗、微生物药物生产及智能细胞工厂构建中催生突破性应用。当蛋白质降解不再受限于配体发现与基因修饰，合成生物学将真正迎来"万物可靶向"的新纪元。
专家访谈
刘立明，二级教授，博士生导师，教育部长江学者计划特聘教授。主要从事合成生物学的研究与教学工作。作为负责人先后负责国家重点研发计划、国家自然科学基金（重点、优青、面上）项目、江苏省前沿科技引领等国家或省部级项目 20 余项。在 Nat Cata, Nat Comm, Chem Rev 等国内外生物工程类主流学术期刊上发表学术论文 270 余篇，其中 SCI 论文 220 余篇、授权发明专利 125 项、出版科技著作 6 部。成果获国家技术发明二等奖（排名第 3 ）、教育部科技进步一等奖（排名第 1 、第 3 ）、中国石油与化学工业技术发明、科技进步、自然科学一等奖（均排名第 1 ）等。
医药魔方Pro：GPlad系统最具颠覆性的地方在哪？它解决了传统细菌蛋白降解技术的哪些核心痛点？
刘立明教授：GPlad为细菌靶向蛋白降解领域提供了突破性解决方案，核心价值在于其绕过了传统化学PROTAC的局限。该系统通过基因编码的引导蛋白将内源精氨酸激酶McsB定向至靶蛋白，利用磷酸化标记激活ClpCP蛋白酶降解，无需预加降解标签即可实现高效清除（如对耐药蛋白ErmB降解率达93.5%）。
这一设计解决了细菌领域长期存在的难题：1）化学BacPROTAC因细胞渗透性差和脱靶毒性难以实用化；2）原核缺乏泛素化系统导致真核降解策略失效；GPlad的光控版本（OptoGPlad）进一步实现了时空精准调控，为抗菌药物开发提供新范式。
医药魔方Pro：论文中提到，GPlad的引导蛋白设计耗时，未来计划借助RFdiffusion等工具优化。从基础研究到技术落地，您如何看待AI辅助设计在蛋白工程领域的作用？是否存在过度依赖算法的风险？
刘立明教授：AI辅助蛋白设计（如RFdiffusion）目前正在为各个领域带来革命性变革。例如，在本研究中，它能加速向导蛋白的获得，如果基于传统方法，向导蛋白的筛选成功率会非常低。然而，目前的AI蛋白设计也存在一些问题，比如成功率较低以及特异性和正交性难以评估。
总的来看，AI是有效的，是强大的加速器，但非替代者。设计最终仍然需要以实验为金标准，结合机理认知，构建"AI设计-实验测试-数据反馈"闭环。
医药魔方Pro：论文中提到，GPlad系统在大肠杆菌中成功降解了人类蛋白如FGFR2，这是否意味着该系统未来有可能用于真核细胞的蛋白降解研究？
刘立明教授：本方法利用David Baker先前设计的一个靶向FGFR2的Binder，只靶向降解了FGFR2的一小部分结构，并非完整的FGFR2。但是这一研究也表明，我们提出的向导蛋白引导的蛋白靶向降解技术，以及其所包含的设计理念是一种通用的方法，不仅能应用于微生物，也可以应用于真核细胞。
医药魔方Pro：原核生物与真核生物的蛋白降解有何差异？在跨物种应用中，您认为最大的挑战是什么？
刘立明教授：原核生物主要依赖ATP驱动的蛋白酶复合体（如Lon、Clp）进行蛋白降解，通常利用特定的C端降解标签（如ssrA）来标记目标蛋白，缺乏真核生物中复杂的泛素-蛋白酶体系统（UPS）；真核生物则高度依赖UPS，通过泛素链标记目标并由蛋白酶体降解，调控更为精细。
在跨物种应用中，最大的挑战在于系统兼容性：原核的降解标签在真核环境中往往失效，而真核的泛素化机制在原核宿主中缺乏必需的辅助因子和环境，极易导致降解效率低下或干扰宿主自身的关键降解通路，破坏细胞稳态。所以，解决需设计高度正交或宿主适配的工程化系统。
医药魔方Pro：靶向蛋白降解技术（如PROTAC）在真核生物中已进入临床阶段，但细菌领域一直进展缓慢。您觉得GPlad的出现会对细菌靶向降解药物的发展带来什么影响？
刘立明教授：在本研究中，我们发现，GPlad实现了对耐药蛋白ErmB降解率＞90%的优秀效果，这为益生菌治疗提供了一个优秀的体内降解工具。此外，我们设计的扩展工具GPTAC类似于PROTAC，是一种生物大分子，也具有被开发为生物药的潜力，为生物药的开发提供了一种新的范式。
医药魔方Pro：您团队的研究既涉及基础的蛋白设计原理，又有明确的产业应用场景。在您看来，合成生物学领域的“产学研”结合，最需要突破哪些机制障碍？您觉得，年轻科研人员该如何平衡两者？
刘立明教授：目前，我认为合成生物学领域的产学研融合亟需突破两大机制障碍：一是学术价值与产业需求错配，高校追求创新性而企业关注成本与稳定性，导致大量"纸面技术"难以落地；二是中试平台与风险资本缺位，实验室成果到生产线间存在"死亡之谷"，需政府牵头搭建共享中试基地并设立早期转化基金。
对年轻科研人员，平衡之策在于构建"螺旋式迭代"思维：早期以基础研究锚定关键原理（如蛋白理性设计），发表高质量论文奠定学术声誉；中期通过产业合作项目（如酶工程改造）理解工程化瓶颈，将生物机制认知转化为解决方案；后期根据技术成熟度选择创业或深度合作。关键要守住"一横一纵"原则，即横向保持对技术落地的敏感度（如临床/生产需求），纵向深耕底层技术护城河（如AI辅助设计）。
参考资料：
Zhendong Li et al. De novo designed protein guiding targeted protein degradation. Nature Communications.（2025）
https://doi.org/10.1038/s41467-025-62050-z
医药魔方Pro
洞察全球生物医药前沿趋势
赋能中国源头创新成果转化
媒体合作：15895423126
Copyright © 2025 PHARMCUBE. All Rights Reserved.
欢迎转发分享及合理引用，引用时请在显要位置标明文章来源； 如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。
免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。
热门跟贴