环球讯息：新蛋白设计识短肽平台

(资料图片)

不到一个月内，美国华盛顿大学大卫·贝克（）在 Nature和 Science连发两篇顶刊论文，并且都由在该团队留学的中国学者担任第一作者。 在 Nature论文中，由武汉工程大学校友、课题组的博士生吴可嘉担任共同第一作者。 图 | 吴可嘉（来源：吴可嘉） 研究中，针对内在无序区的重复性蛋白和多肽，他们开发了一种从头设计蛋白的通用性方法。 对于论文中涉及的重复性序列， 能以大约 20% 的成功率高效设计出多肽结合蛋白，这些蛋白具备若干低至皮摩（pM）级别的高亲和力、高特异性、高热稳定性以及高精度。而且他们还证实了该方法具有以下工程潜力：可以靶向更广阔的非重复性多肽区域、以及可以延伸至人源蛋白的复杂网络。 结合深度学习技术，他们正在针对任意序列（包含重复与非重复）的 8-12 短肽结合蛋白平台 做进一步开发。 在该技术成熟之后，或能广泛用于生物、医药、材料等领域。（来源：Nature） 具体来说， 该技术或能用于蛋白质组学里多肽测序、蛋白质测序工作，也可以与液相色谱联用，检测导致新生儿疾病的罕见突变蛋白。还可以直接靶向细胞内疾病相关的重要受体无序区域，实现具有异构体特异性的靶向工作，以作为进一步开发新药或疫苗的基础。 也可以用于与如神经退行性疾病（帕金森病、亨廷顿病、阿兹海默病等）相关的相分离和凝聚体研究。 同时，目前的研究体系具备易组装、易调控、形状高度规则刚性等特点，适用于大尺度的可诱导组装生物材料的构造，因此可以广泛用于递送与成像等领域。 日前，相关论文以《通过超螺旋匹配从头设计模块化肽结合蛋白》（）为题发在 Nature上[1]。 图 | 相关论文（来源：Nature） 博士研究生吴可嘉和前博士后研究者白桦是共同第一作者，英国剑桥MRC（Medical Research Council） 分子生物学实验室伊曼纽尔·德里弗里（）教授、香港科技大学兼职助理教授丹尼尔·阿德里亚诺·席尔瓦（）、以及教授担任共同通讯作者。 评审专家表示：“随着结构预测与（蛋白）设计步入深度学习时代，非常高兴能看见通过扎实的传统化学原理和精心的数据结构设计来解决挑战性的生物学问题。（可以说在本次研究中）课题组提供了一种非常巧妙的方案。” 还有一位审稿人评价称：“表征非常详尽，亲和力高达纳摩尔至皮科摩尔范围，并且具有很高的特异性。设计与结构的匹配（也）表明核心方法是合理的。” 实现体系高达 20%+ 的成功率据了解，在蛋白-蛋白的相对作用中，相对无序的多肽-蛋白的相互作用大约占据四成的比例。研究多肽-蛋白的相互作用，对于研究细胞内外分子水平网络和通路，尤其是研究疾病的产生、成因和靶向治疗至关重要。 而与蛋白结合问题相比，内在无序多肽存在以下三个特点：其一，可结合的长度较短；其二，结构灵活多变；其三，通常与溶剂结合。 另一方面，针对每个不同序列的优质单克隆抗体做筛选时，需耗费大量人力物力。因此，开发高效的通用肽结合设计方法，将给蛋白质组学和合成生物学带来广泛的意义。 吴可嘉表示：“三年前没有人做过类似的工作。我们在一开始耗费大量时间来搭建 in silico 和 in vitro 的 pipeline，从最初完完全全 clueless 地大海捞针，逐步实现了方法论和实验手段的层层优化，并受此启发，正在进一步开发能广泛适用于任意多肽序列的简洁、高效计算方法。” 本次研究中，他们使用几何哈希来识别蛋白质侧链以及肽主链、侧链之间的氢键对接，使自然界中不存在的识别模块达到一一配对。 然后，针对和肽结合优化蛋白质序列的其余部分，课题组优化了重复蛋白口袋中的其他特异性氨基酸序列，以便高亲和力结合聚脯氨酸 II 构象中的六个不同的三肽重复序列。 这些蛋白质不仅非常稳定，并且在体外和活细胞中能以纳摩尔到皮摩尔的亲和力，与三肽靶标的重复序列进行结合。 多个晶体结构揭示了蛋白质和肽相互作用之间准确的重复性相互作用。并且，文章表明，通过逐一重新设计单个单元的结合界面，可以实现对于非重复肽序列和天然人源蛋白质无序区域的结合特异性。 （来源： Nature ） 最终， 他们实现了体系高达 20%+ 的成功率。在最佳情况下，只需实验表征 20-30 个的批量设计，就能直接获得高特异性的 pM 级别结合蛋白。基于此，他们还和合作者开展了关于细胞内应用的合作，有望开发更加灵敏、稳定、可调控的细胞内定位或成像等工具。 在此之前，业内通常通过序列重新设计和筛选基于自然界中存在的非常有限的重复或非重复蛋白，以期实现更加多样的肽识别。而本次方法的主要优点在于：从头设计的蛋白质，理论上可以生成任意指定形状的蛋白质库，并或能将靶标多肽结合在任意指定的合理构象。 同时，这也是世界上第一次从头理性设计针对内在无序区的高强度、高精度、高稳定性结合蛋白，从此打开了理性设计靶向肽、或不具有刚性三维结构的无序区域的通用方法的大门，为不可成药靶点提供新的可能。研究者预期在进一步优化方法的基础上，如果实现高效定制任意目标氨基酸序列的结合蛋白，将在蛋白质组学和其他需要特定肽识别的合成生物学、细胞生物学拥有广阔开发前景。 短短几年内，受到深度学习等技术的推动，生物学领域产生了无穷无尽的变化和飞跃。借着本次论文该团队也证明：基于最本源的生物化学第一性原理、氢键网络的高精度设计、对数据结构的选取与改造等传统手段，已经可以解决很多的难题。 然而，有了深度学习的助力，也让他们对手头正在开展的新工作更加充满期待。未来，他们将开发更普适、更高效的平台，以推动广谱多肽和内在无序区识别的应用。 （来源：Nature） 发 Nature与学滑雪 而在团队参与或主导这些极具挑战性的前沿型课题，也让吴可嘉感慨称：“很有幸生逢其时，恰逢此地与这个时代，很多反思，与有荣焉。我个人在过去几年的博士生涯中感觉每年都是新的自己，每年都是迭代。微观上，主要体现在我应对课题和合作时的种种思考；宏观上，我的导师 is a real genius in science，却依然给了我几乎能想象到的最高自由。” 她继续说道：“我个人非常看重通过这一系列的合作，认识了善良优秀且性格各异的同事。在我加入这个课题时，担任本次论文共同通讯作者的丹尼尔设计了第一个进入 clinical trial 的 de novo protein IL2-mimetic，他还创办和参与创办了多家公司，我从他身上学到了很多。” 同时，在和其他同事合作期间，吴可嘉也学到了各种不同技能和认知视角。她说：“世界一直在变，而且只会变得更快。如果任何人因为一时的前沿研究，就觉得自己是认识科学自然的佼佼者，那也许过于自大和肤浅。然而，通过置身于这种前沿研究，从师长身上不断地学习，以及通过工作结下的终身友谊，这才是我最珍视的东西。这样的‘动态’一直会存在，所以我相信人类的科学未来可期。” 图 | 吴可嘉（来源：吴可嘉） “我个人对更复杂、更底层的生物学规律，诸如酶设计、基因翻译调控、反应级联控制设计等有着浓厚兴趣。我也有一些非生物领域的兴趣。科学一直在飞跃，我们同时也更多地发现自己对宇宙和自身的认知之渺小。生物学的年轻、物理学的壮丽、数学的简洁、人工智能的黑盒、人文与哲学的思辨，都令我更倾向于相信未来是无穷尽的，不具标答。” 对于本次发表 Nature论文，她也显得十分谦卑：“哪怕一篇论文发表在 Nature，如果没能给自己和他人带来一丁点深化或启迪，那我觉得也不过是时代的一朵浪花；同时，哪怕只是某个月学会了滑雪这件小事，我也觉得那是人类持续追求好奇心和求知欲的一种体现。” 参考资料： 1.Wu, K., Bai, H., Chang, YT.et al.De novo design of modular peptide-binding proteins by superhelical matching.Nature616, 581–589 (2023). https://doi.org/10.1038/s41586-023-05909-9 运营/排版：何晨龙 由 DeepTech 携手《麻省理工科技评论》重磅推出的《科技之巅：全球突破性技术创新与未来趋势（20 周年珍藏版）》已开售！点击下方海报可购买图书！！

关键词：