撰文丨王聪
编辑丨王多鱼
排版丨水成文
近年来，生成式人工智能（Generative AI）已彻底改变了蛋白质工程领域，使从头设计（de nove design）具有特定功能的蛋白质变得越来越常规。但目前大多数设计方法仅在氨基酸（构成蛋白质链的基本单元）水平运作。这种分辨率足以塑造蛋白质的整体结构并调控蛋白质之间的相互作用，但在需要精确排列构成蛋白酶活性位点或其他功能区域的单个原子时，则显得力不从心。实际上，一个有效的蛋白酶设计与失败的设计之间，可能仅仅取决于几个原子的精确位置。
该领域的新进展是引入原子级建模，但它们面临着另一个难题：如何设计蛋白质与非蛋白质分子之间的精确相互作用。小分子配体、核酸以及金属离子等催化基团在生物学中均扮演关键角色，而目前的原子级建模工具在创建带有精确设计活性位点、能与这些分子（尤其是功能性 RNA 和 DNA 分子）结合的蛋白质方面，仍存在明显局限。
2026 年 10 月 15 日，诺奖得主、蛋白质设计先驱David Baker教授在Science期刊发表了题为：Atomic functional site scaffolding in biopolymers with RFdiffusion3 的研究论文。
该研究正式推出了一种用于生物大分子的生成式人工智能方法——RFdiffusion3（RFD3），该方法通过自由原子扩散，能够比以往方法更快、更准确地满足多种原子约束条件，在从酶设计到RNA 结构设计等多个挑战中表现出色。研究团队还通过实验验证了 RFD3 流程在酶设计中的强大能力——成功从头设计出具有复杂活性位点结构的磷酸三酯酶，其活性位点包含一个与两个金属离子配位的氨基甲酰化赖氨酸；同时还设计出特异性识别淀粉样变性疾病相关的转甲状腺素蛋白的锌蛋白酶。在这两种情况下，均在零样本训练的 96 个构建体设计方案中获得了具有活性的催化功能。
这项研究标志着在工程化生物分子方面迈出了一步——其功能不仅能在序列层面加以规定，更能细化至真正执行功能的原子层面。
大多数生成式 AI 模型，例如 RFdiffusion（RFD1）和 BindCraft，能够在氨基酸水平从头设计蛋白质，但无法在原子水平精确指定蛋白酶的活性位点及其他功能位点，也无法详细描述蛋白质与小分子和核酸之间的相互作用。RFdiffusion2（RFD2）通过将残基水平扩散过程条件化于对催化或配体结合至关重要的少数侧链原子上，解决了这一挑战。然而，由于扩散仍停留在残基水平，因此无法生成与配体或催化残基之间的额外侧链相互作用。在结构预测方面，AlphaFold3（AF3）则采用了一种针对每个原子的扩散过程，并以由独立的条件模块生成的丰富蛋白质几何表征作为条件。进一步研究表明，原子扩散过程能够生成蛋白质主链，并可扩展用于建模侧链，但这些方法尚无法实现对非蛋白质组分相互作用的建模，也无法在原子水平上设计功能位点。此外，针对 RNA 和 DNA 设计所开发的方法也主要停留在残基层面，这使得在从头设计的核酶中构建功能位点变得困难。
研究团队推测，通过基于原子的扩散方法，同时考虑主链和侧链原子，并以系统中的非蛋白组分以及参与功能的关键蛋白原子位置作为条件，可以解决设计具有复杂蛋白质原子构型并与小分子、核酸及其他非蛋白组分相互作用的位点这一难题。
研究团队进一步认为，此类系统可轻松扩展至更广泛的生物大分子，从而在单一统一框架下生成功能性蛋白质和 RNA。为此，研究团队致力于开发一种基于催化位点及其他功能位点原子级描述的生物大分子功能设计模型——RFdiffusion3（RFD3）。
在计算测试中，研究团队表明，RFD3 在设计蛋白质结构和组织催化位点方面优于以往方法。这些基准测试评估了系统生成可折叠蛋白质骨架以及正确定位构成功能位点的化学基团的能力，而这两项能力正是分子工程的核心。结果表明，当目标是实现精确的功能化学时，原子级生成建模能够超越氨基酸级设计。
基于 RFdiffusion3 的全原子设计
这些计算结果进一步得到了实验室实验的验证。研究团队证明，RFD3 能够从头设计生成功能性蛋白酶，包括一种可分解对氧磷（一种有毒的有机磷化合物）的磷酸三酯酶，以及一种经工程改造、可识别并切割淀粉样变性疾病相关的转甲状腺素蛋白的锌蛋白酶。
利用 RFD3 设计磷酸三酯酶和金属蛋白酶
设计能够执行特定且具有医学相关性的化学反应的蛋白酶，是对任何蛋白质设计系统最具挑战性的考验之一，而这些基于 RFD3 的设计，成功在实验室中实现了功能，表明 RFD3 的原子级推理能够转化为真实的分子行为。
RFD3 不仅能够设计蛋白质，其能力还进一步扩展到了设计功能性 RNA 分子。RNA 分子结构向来以难以建模和工程改造著称，因为其折叠规则与蛋白质不同，且其功能位点往往依赖于核苷酸碱基和金属离子的精确排布。通过直接对原子进行建模，RFD3 理论上可以用与蛋白质相同的框架来处理 RNA 分子设计，从而为定制核酶、RNA 传感器及其他核酸机器开辟了新道路。
基于 RFD3 的核酸共设计
这项研究发布之际，AI 驱动的生物分子设计正从展示阶段快速迈向实际应用。早期的生成式系统已能创造新型蛋白质折叠和结合分子，但最新前沿已转向决定功能的精细化学细节：催化三联体的几何结构、金属辅因子的配位环境、蛋白质与药物样配体之间的接触关系。RFD3 的原子级方法直接针对这些前沿问题，而这项发表于Science的论文表明，RFD3 能比前代系统更可靠地组织催化位点。
论文链接：
https://www.science.org/doi/10.1126/science.aeh2982
热门跟贴