在生命科学的微观世界里，蛋白质是执行生命活动的“主力军”，其中有一类特殊的蛋白质，能够像“嗅觉”一样特异性识别并结合特定的分子，它们不仅在天然生物体内扮演着信号传导、物质运输等重要角色，更是生物传感器、新型药物开发的核心工具。然而，从自然界中发现这类蛋白质并改造其功能，过程漫长且充满挑战。如果能像搭积木一样，从头设计出能够特异性识别任意目标小分子的蛋白质，将为生物医学诊断、环境监测以及新药研发带来颠覆性的变革。这正是当前合成生物学和蛋白质设计领域追求的重要目标。
2026年3月28日，《自然·通讯》发表了一项里程碑式的研究。来自美国华盛顿大学大卫·贝克（2024年诺奖得主）教授团队的研究人员，发表题为《Small-molecule binding and sensing with a designed protein family》的论文。该团队通过整合深度学习和物理计算模型，成功设计出一系列全新的蛋白质，它们能像定制化的“分子探针”一样，高亲和力、高特异性地识别包括压力激素、抗凝血药物在内的六种不同的目标小分子，并基于此构建了一款高灵敏度的皮质醇（压力荷尔蒙）生物传感器，为按需开发分子检测工具开辟了新路径。
研究人员首先从一种名为NTF2的天然蛋白结构出发，利用深度学习技术对其结构进行“多样化”设计，生成了一个包含超过1万个不同骨架结构的蛋白家族，这些蛋白都拥有一个稳定且可设计的“口袋”。随后，他们针对六种结构各异的小分子目标，采用两种互补的计算策略：一是利用预先安装的氢键网络来引导分子对接，二是直接利用专门训练过的深度学习模型LigandMPNN进行序列设计。通过大量计算筛选，团队获得了数千个候选的设计蛋白。经酵母表面展示技术筛选和深度测序验证，最终成功获得了针对每种目标分子的特异性结合蛋白，部分结合亲和力甚至达到了纳摩尔级别，证明了计算设计的精确性。
为了从原子层面验证设计的准确性，研究团队成功解析了其中两种设计蛋白与目标分子（皮质醇和阿哌沙班）复合物的晶体结构。结果令人惊叹：实际晶体结构中的蛋白质骨架和结合口袋中关键氨基酸的位置，与最初的计算机设计模型几乎完全一致，原子水平的误差小于1埃（相当于一个原子的直径）。例如，阿哌沙班结合蛋白设计的关键氢键和芳香环堆积相互作用，都在晶体结构中得到了完美再现。这强有力地证明了当前深度学习方法在精确设计蛋白-小分子相互作用上的巨大潜力。
基于上述成果，研究人员进一步挑战了更复杂的应用——构建“化学诱导二聚化”生物传感器。他们选择对皮质醇具有高亲和力的设计蛋白进行优化，通过系统性的突变筛选，将其亲和力提升了31倍，达到68纳摩尔，足以检测生理状态下的皮质醇浓度。接着，他们以“皮质醇-蛋白”复合物为目标，从头设计了一个能够识别该复合物的微型蛋白。当皮质醇存在时，它会像“分子胶水”一样，将原始设计蛋白和新设计的微型蛋白紧密粘合在一起。研究团队巧妙地将这一诱导二聚化系统与分裂型荧光素酶偶联，成功开发出一款皮质醇传感器。该传感器能根据皮质醇浓度产生剂量依赖的发光信号，其半数有效浓度与设计蛋白的亲和力高度吻合，展示了从“结合”到“感应”的完整设计逻辑。
READING
BioPeers
欢迎关注本公众号，所有内容欢迎点赞，推荐❤️，评论，转发~
如有错误、遗漏、侵权或商务合作请私信小编~~
欢迎大家投稿课题组 研究进展 、招聘及招生宣传~
所有文章只为科普、科研服务，无商业目的~
热门跟贴