Science：利用新型人工智能工具EVOLVEpro设计出“更好、更快、更强”的蛋白

自然善于设计蛋白。科学家们则更胜一筹。但是，人工智能有望使蛋白得到数倍的改进。此类 “设计蛋白（designer protein）”在医学上的应用范围很广，从制造更精确的抗体来治疗自身免疫疾病或癌症，到制造更有效的疫苗来对付病毒。它们的应用可能超越医学范畴，例如种植出更有营养或能从大气中吸收更多二氧化碳的农作物。

在一项新的研究中，来自麻省总医院和贝斯以色列女执事医疗中心的研究人员开发了一种名为 EVOLVEpro 的人工智能（AI）工具，它可能代表着蛋白质工程学的一次飞跃。他们通过应用这种模型设计出六种不同用途的蛋白，展示了该工具使蛋白更加稳定、精确和高效的能力。相关研究结果于2024年11月21日在线发表在Science期刊上，论文标题为“Rapid in silico directed evolution by a protein language model with EVOLVEpro”。

论文共同通讯作者、麻省总医院的Omar Abudayyeh博士说，“这种工具的强大之处在于，我们不受进化的限制。利用人工智能，我们可以选择优化蛋白，使其在任何需要的方面变得更好。我们可以制造出更好、更快、更强的蛋白。我们可以设计它，使其更有效地与靶点结合，从而改善疗法或提高其功能。如果我们能测量它，我们就能改进它。”

蛋白质工程的概念并不新鲜，但人工智能和大型语言模型的出现正开始彻底改变这一领域。蛋白语言模型（protein language model, PLM）可以学习蛋白的“语法”，读取大型基因组数据库中的蛋白序列，并提出建议，按照科学家指定的方式改进蛋白。EVOLVEpro是先前模型之上的一层，可以在做出反应之前进行推理并提供更多思考。

论文共同通讯作者、贝斯以色列女执事医疗中心病毒学与疫苗研究中心的 Jonathan S. Gootenberg 博士说，“蛋白建模近年来取得了进展，我们想知道如今是否可以使用大型语言模型来预测更好的蛋白序列。我们的研究结果一致表明，这种工具的效果非常好。我们挑选了两种临床相关的抗体——要么已经在使用，要么接近人类使用的水平，发现利用 EVOLVEpro，我们可以设计出一种结合更好、表达更强的抗体。通常，你可以在其中的一种结果上做得很好，但在这里，我们看到了这两种结果的改进。”

环状RNA表征和epT7 RNAP体内生物发光

在这项新的研究中，这些作者利用EVOLVEpro设计了六种蛋白。他们发现，EVOLVEpro 工程设计的两种单克隆抗体的靶标结合能力提高了 30 倍。一种微型CRISPR核酸酶改变基因的效果提高了五倍。一种用于基因编辑的称为“先导编辑器（prime editor）”的蛋白在将序列插入基因组不同部分时的效果是原来的两倍。一种名为Bxb1整合酶的蛋白在将DNA插入细胞进行可编程的基因整合应用方面的效率要高出四倍，而一种用于生产RNA的蛋白——T7 RNA聚合酶，在准确复制RNA方面的效率要高出100倍，这对于生产用作mRNA疗法或疫苗的mRNA非常重要。

论文共同第一作者Kaiyi Jiang说，“我们预计，这只是EVOLVEpro的开始，随着时间的推移，它将不断改进，并可用于各种蛋白质工程应用。这项技术标志着一个新时代的开始，在这个新时代里，我们不仅可以设计出符合自然规律的蛋白，还可以解决自然界从未面临过的挑战——从构建更精确的药物到开发有助于应对气候变化和粮食安全等全球挑战的蛋白。” （生物谷Bioon.com）

参考资料：

Kaiyi Jiang et al. Rapid in silico directed evolution by a protein language model with EVOLVEpro. Science, 2024, doi:10.1126/science.adr6006.