赢得诺奖不是终点！David Baker再获里程碑突破——AI首次从头设计出蛋白酶

酶是高效的生物催化剂，能够在温和的水相条件下显著加速化学反应速率。设计能够催化任意化学反应的酶具有广泛的应用前景，因此酶设计一直是计算蛋白质设计领域的一个长期目标。然而，设计具有复杂活性位点的酶，尤其是能够介导多步反应的酶，仍然是一个巨大的挑战。

2025年2月13日，诺奖得主、华盛顿大学David Baker团队在 Science 期刊发表了题为：Computational design of serine hydrolases 的研究论文。

该研究利用 AI 从头设计了具有复杂活性位点的丝氨酸水解酶，这也是首次从头设计一种新的酶，其能够加快一个四步化学反应，该反应对于许多生物和工业过程至关重要，其中包括塑料降解和回收。

这项研究是酶工程领域的一个里程碑，表明了我们现在已经可以设计出具有天然活性的酶，而且这些设计的酶甚至能够实际应用。

David Baker教授表示，酶是在温和的条件下加速化学反应的蛋白质，而即使是最优秀的人类化学家也做不到这一点。利用 AI 设计新的酶来应对各种化学挑战，无论是合成药物化合物还是分解微塑料，都将使我们得以利用大自然的高效率，而无需以来刺激性溶剂或化石燃料。

传统的酶工程研究，聚焦于修改已存在的蛋白酶，但这就像你买来一件旧西装，寄希望于简单修改就能适合自己穿，这显然不大可能。而从头设计蛋白，相当于从头开始量身定制一件西装，尤其是随着人工智能技术的进步，我们能够从头定制一个新的酶，确保其完美适合催化的每一步反应。

然而，之前使用 AI 从头设计酶的努力收效甚微，设计出来的酶无法像天然酶那样催化多步反应，通常在反应的第一步后就停止了。

丝氨酸水解是一个四步化学反应，包括破坏分子之间的酯键，丝氨酸水解酶是催化丝氨酸水解反应的天然酶，其参与多种生物学过程，包括消化、脂肪代谢和血液凝固。

研究团队希望从头设计出一种新的丝氨酸水解酶，为了克服之前的挑战，研究团队从他们之前开发的RFdiffusion开始，这是一种从头设计全新蛋白质的 AI 算法，能够从头生成各种功能性蛋白质，该研究于2023年7月发表于Nature期刊【2】。 

研究团队使用RFdiffusion从头开始生成新的酶结构。然后，他们创建了一个名为PLACER的深度神经网络，通过模拟酶中的原子位置以及在反应的每一步中与之结合的分子，来改进结构设计。PLACER就像一个“过滤器”一样工作，它检查酶的活性位点（与分子相互作用的部分）是否兼容并被正确安排以完成反应的每一步。

具体步骤如下：

1、活性位点生成：通过量子力学优化的过渡态几何结构，生成丝氨酸水解酶活性位点的几何描述。

2、蛋白质骨架生成：使用RFdiffusion从随机噪声中生成蛋白质骨架，确保其与输入的活性位点几何结构匹配。

3、序列设计：使用LigandMPNN设计蛋白质序列，并通过Rosetta FastRelax进行优化。

4、过滤与筛选：通过 AlphaFold2 预测设计酶的结构，并使用 PLACER 生成反应路径中各步骤的结构集合，评估活性位点的预组织程度，显著提高了设计成功率。

5、实验验证：通过实验筛选和表征设计酶的功能，包括催化效率、晶体结构等。

实验表征显示，从头设计的丝氨酸水解酶能够完成催化丝氨酸水解的所有四步化学反应，催化效率（kcat/Km）高达 2.2×10⁵ M^-1 s^-1，在加速化学反应方面比之前设计的以类似方式工作的酶强 6 万倍。X 射线晶体学解析了其晶体结构，结果显示其晶体结构与设计模型高度吻合（Cα RMSDs < 1 Å）。设计的丝氨酸水解酶具有五种不同于天然丝氨酸水解酶的折叠结构，扩展了这一古老酶家族的结构空间。

研究团队表示，这项研究是一个原理验证，证实了 AI 能够从头设计出复杂的酶。该研究中从头设计的丝氨酸水解酶尽管很有前景，但其催化效率仍不及天然的丝氨酸水解酶。研究团队希望接下来通过其结构进行更多微调，从而提高其催化速度和效率，使其更接近实际应用。此外，团队还希望利用这些原理来尝试设计丝氨酸水解酶以分解塑料。

总的来说，该研究通过结合多种 AI 算法，成功从头设计了具有高效催化活性和新型折叠结构的丝氨酸水解酶。这一成果展示了基于 AI 的计算设计方法在酶设计中的巨大潜力，特别是设计具有复杂活性位点和多步反应机制的酶。该研究不仅推动了酶设计领域的发展，也为设计其他类型的酶提供了新的思路和方法，具有重要的科学意义和应用价值。