编辑 |萝卜皮。
多肽研究对药物开发、疾病检测和环境监测具有重要意义。 许多肽激素在与受体结合后形成螺旋，其敏感性的检测方法可能有助于更好地对疾病进行临床管理。
从头蛋白质设计现在能够生成对结构蛋白具有高亲和力和特异性的偶联物。 然而，设计具有螺旋倾向的蛋白质和短肽之间的相互作用是一个未解决的挑战。
华盛顿大学医学院蛋白质设计研究所的科学家们正在与人工智能驱动的生物技术合作，以应对这些挑战。 他们使用人工智能软件创造了与各种具有挑战性的生物标志物（包括人类激素）结合的蛋白质分子，具有极高的亲和力和特异性。
值得注意的是，科学家们在计算机生成的生物分子与其靶标之间实现了有史以来最高强度的相互作用。
华盛顿大学医学生物化学教授、霍华德休斯医学研究所研究员D**id Baker强调了这种方法的潜在影响：产生具有如此高结合亲和力和特异性的新型蛋白质的能力开辟了从新疾病到高级诊断的可能性世界。 」
该研究题为De Novo Design of High-Affinity Binders of Bioactive Helical Peptides，于2024年12月18日发表在《自然》杂志上。
肽类激素，如甲状旁腺激素（PTH）、神经肽Y（NPY）、胰高血糖素（GCG）和分泌刺激素（SCT）等，在与受体结合后呈螺旋结构，是临床护理和生物医学研究中公认的生物标志物，在人类生物学中发挥着关键作用。
Baker Labs 的 Preetham Venkatesh 解释说：今天有许多疾病很难**，因为检测体内的某些分子非常具有挑战性。 作为诊断工具，设计的蛋白质可以提供更具成本效益的抗体替代品。 」
科学家们对它们的灵敏度和特异性非常感兴趣，目前依靠资源密集型抗体来产生抗体，很难以高亲和力生产，并且通常具有不太理想的稳定性和可重复性。 抗体的环介导的相互作用表面不是特别适合延伸螺旋肽的高度特异性结合——几乎所有抗肽抗体都以非螺旋构象与其靶标结合。
肽结合蛋白的设计具有挑战性
所设计的蛋白质可以很容易地在大肠杆菌中生产，具有高产量、低成本和非常高的稳定性，然而，设计具有高亲和力和特异性的结合螺旋肽的蛋白质仍然是一个突出的挑战。 肽结合蛋白的设计具有挑战性，原因有二。
首先，设计用于结合折叠蛋白质的蛋白质，例如具有超稳定皮摩尔亲和力的 50-65 个残基微型结合剂，其形状适合结合刚性凹面靶标，但不适合支持延伸的肽。 螺旋肽可以很容易地与卷曲形成的卷曲组件结合，这一原理已被用于设计钙调蛋白肽的结合剂，但由于大量暴露的疏水表面，卷曲的螺旋亚基往往在没有结合伙伴的情况下自缔合，大大降低了有效靶标结合亲和力。
其次，肽的相互作用残基较少，并且在分离时通常部分或完全无结构。 因此，将肽构建到特定构象可能会产生熵成本，这可能会损害有利的缔合自由能。 在设计与延伸链结构和聚脯氨酸II构象结合的肽方面取得了进展，使用蛋白质侧链与肽骨架相互作用; 然而，由于螺旋肽内部存在大量的骨架-骨架氢键，这种相互作用不会发生在螺旋肽上。
新解决方案
由贝克实验室成员Susana Vazquez-Torres，Preetham Venkatesh和Phil Leung领导的团队正在努力创造与胰高血糖素，神经肽Y，甲状旁腺激素和其他螺旋肽靶标结合的蛋白质。 该团队提出了一种使用RFDIFFUSION的新方法，RFDIFFUSION是一种用于创建新蛋白质形状的生成模型，并结合了序列设计工具ProteinMPNN。
研究人员可以通过扩展RFDIFFUSION来细化输入结构模型，使Binder设计能够适应更灵活的目标，并通过连续噪声和去噪（部分扩散）来细化输入结构模型，并且皮摩尔亲和Binder可以通过其他方法生成的精细设计生成螺旋肽靶，或者完全从随机噪声分布开始。
到目前为止，这些一直是为任何蛋白质或小分子靶标的最高亲和力而设计的结合蛋白，并且无需任何实验优化即可直接计算生成。 RFDIFFfusion 设计能够通过质谱法富集和随后检测甲状旁腺激素和胰高血糖素，并构建基于生物发光的蛋白质生物传感器。 为构象可变靶标设计偶联物的能力以及通过部分扩散优化天然和工程蛋白的能力应该具有广泛的用途。
我们正在见证一个激动人心的蛋白质设计时代，先进的人工智能工具加速了蛋白质活性的改善。 这一突破将重新定义生物技术的未来。 巴斯克斯-托雷斯指出。
该团队与哥本哈根大学的约瑟夫·罗杰斯（Joseph Rogers）实验室和华盛顿大学医学院的安德鲁·霍夫纳格尔（Andrew Hoofnagle）实验室合作，进行实验室测试以验证他们的生物设计方法。 质谱法用于检测人血清中与低浓度肽结合的工程蛋白，证明了灵敏和准确疾病诊断的潜力。
此外，这些蛋白质在高温等恶劣条件下仍能保持其靶标结合能力，这是实际应用的关键属性。
为了进一步证明这种方法的潜力，研究人员将高亲和力甲状旁腺激素结合剂集成到生物传感器系统中，并在含有目标激素的样品中实现了生物发光信号增加21倍。 这种与诊断设备的集成展示了人工智能生成蛋白质的直接实际应用。
*链接： 相关报道：