撰文丨王聪
编辑丨王多鱼
排版丨水成文
通过工程化改造蛋白酶以实现新功能或改进功能，为生物医学研究、治疗、化学合成和环境科学中的问题提供了解决方案。定向进化技术通常从天然蛋白质出发以获得具有定制特性的蛋白酶，其中，噬菌体辅助连续进化（PACE）是由刘如谦团队开发的一种强大的蛋白质进化方法，因其能够在无需研究人员干预的情况下，每 24 小时完成数十代的突变、筛选和复制过程，该技术已被成功应用于多种蛋白酶的实验室进化。
目前的蛋白质定向进化均以天然蛋白质为起点，但天然蛋白质通常稳定性较弱，在进化过程中积累突变以获得新特性的蛋白质往往会导致稳定性下降。因此，蛋白质在丧失折叠能力之前，能够承受多少有利于提升目标功能的突变而不丧失稳定性，将决定其进化的潜力。
近日，Broad 研究所刘如谦教授团队在国际顶尖学术期刊Nature上发表了题为：AI-redesigned starting points and outcomes enhance protein evolution 的研究论文。
该研究表明，以AI 重新设计的蛋白质作为实验室定向进化的起点，能够进化出获得活性、特异性和稳定性更优的蛋白质。这一发现有望使科学家能够培育出超越天然蛋白质进化极限的新型蛋白质。
当科学家希望创造一种可能用于治疗疾病的蛋白质时，一种方法是从另一种不同的蛋白质开始，在实验室中对其进行定向进化，并通过多代筛选，选择出具有新功能且符合预期的版本。
而在这项研究中，刘如谦团队发现，与从天然蛋白质开始相比，使用更稳定且由 AI 设计的蛋白质启动实验室进化过程，能够获得更好的结果。这一发现可能改变科学家为医学及其他应用设计蛋白质的方式。
在这项发表于Nature的概念验证研究中，研究团队结合了AI 蛋白质设计与实验室进化技术，对肉毒神经毒素蛋白酶进行了重编程，使其能够切割多种不同的蛋白质靶标，包括神经退行性疾病相关蛋白——ataxin-2。首先，研究团队利用 AI 设计出一种更稳定的肉毒神经毒素蛋白酶版本，随后通过功能进化使其能够切割 ataxin-2。结果显示，最终获得的蛋白质在稳定性和针对该功能的特异性方面，优于从天然肉毒神经毒素蛋白酶进化而来的蛋白质。
论文通讯作者刘如谦教授表示，这项研究最重要的发现是，利用 AI 来稳定天然蛋白质，可以为实验室蛋白质进化提供比研究人员几十年来所使用的更好的起点，这一见解可能会改变研究人员进行蛋白质进化的研究方式。
2011 年，刘如谦团队率先开发出一种名为PACE（Phage-assisted continuous evolution，噬菌体辅助的连续进化）的方法，可在实验室中快速进化出具有所需功能的新的蛋白质。他的团队已利用 PACE 技术进化出数十种不同功能的改进型蛋白质，这些蛋白质具备多种活性，包括激活基因以及在患者体内精确编辑基因组。
然而，实验室中进化出的蛋白质通常稳定性较差，因为它们虽然能执行所选功能，但在许多情况下会部分丧失可靠折叠和在细胞中高效表达的能力。
近年来，AI 工具已经能够从头设计出稳定的蛋白质。刘如谦团队推测，AI 设计的蛋白质可能为 PACE 提供更好的起点，从而进一步进化出既新颖又稳定的新型蛋白质。
刘如谦教授表示，实验室进化需要投入时间和资源，因此最初选择的进化起点至关重要，会极大影响最终结果。
为了测试由 AI 设计的蛋白质起始点是否更有效，刘如谦团队使用了诺奖得主David Baker团队开发的一个 AI 蛋白质设计模型——ProteinMPNN，对天然肉毒神经毒素蛋白酶（BoNT）进行了重新设计。肉毒神经毒素蛋白酶最广为人知的是作为保妥适（Botox）中的活性成分，通过切割特定的蛋白质靶标来使肌肉麻痹，主要用于医疗美容领域（例如瘦脸）。ProteinMPNN 模型设计出了新的氨基酸序列，这些序列折叠后形成与天然酶相同的三维结构，但具有更高的稳定性。
接下来，刘如谦团队使用PACE技术对这些 AI 重新设计的蛋白质进行进一步进化，使其能够切割ataxin-2蛋白，这是一种由 ATXN2 基因编码的细胞内蛋白质，参与 RNA 代谢、应激颗粒形成等过程，其基因中 CAG 重复序列异常扩增会导致脊髓小脑共济失调 2 型（SCA2），而异常扩增产生的有毒蛋白片段易在脑内聚集，引发神经退行性病变。结果显示，与从天然肉毒神经毒素蛋白酶进化而来的蛋白质相比，从 AI 重新设计的蛋白进化而来的蛋白质切割 ataxin-2 蛋白的能力提高了79 倍。
研究团队在多种肉毒神经毒素蛋白酶和不同靶标底物上测试了该方法，结果在每种情况下，由 AI 设计的起始蛋白结构都优于其天然对应物。进一步实验表明，从更稳定的 AI 设计蛋白开始，使蛋白酶在获得新突变以实现功能方面具有更大的灵活性。
该研究还揭示了天然蛋白与 AI 设计蛋白之间的差异：在 AI 重新设计的蛋白中进化出的活性增强突变，若移植到天然蛋白上，则会导致其完全失稳。研究团队表示，当蛋白质进化出新功能时，通常会牺牲稳定性，这限制了它们在进化过程中所能发生的改变程度。但如果从一个更稳定的蛋白质开始，它就拥有更多的稳定性可被利用，因此能够承受更大程度的变化以实现新功能。
总的来说，该研究表明，仅依靠 AI 设计或仅依靠实验室进化，都无法达到将两者结合所能实现的效果。这种AI + 进化的新方法可能适用于多种其他类型的蛋白质，例如逆转录酶，其稳定性常成为碱基编辑器发展的瓶颈，据悉，刘如谦团队正在进行相关研究。
论文链接：
https://www.nature.com/articles/s41586-026-10820-0
热门跟贴