10月9日，2024年諾貝爾化學獎授予David Baker、Demis Hassabis和John Jumper，以表彰他們在蛋白質(zhì)設計以及蛋白質(zhì)結(jié)構(gòu)預測領域做出的杰出貢獻。
近年來，AI藥物迅猛發(fā)展，其中，蛋白質(zhì)從頭設計無疑是AI設計藥物中的重頭戲與熱點。該技術(shù)不僅能設計針對不可成藥靶點的藥物和自然中不存在的蛋白質(zhì)，還大大縮短了藥物研發(fā)的周期。
被譽為“上帝之手”的華盛頓大學教授David Baker是該領域的佼佼者，發(fā)CNS發(fā)到手軟。當然，AI設計能力再強，也需要通過實驗手段去表征設計的蛋白。比如，使用基于生物層干涉技術(shù)（BLI）的Octet® 非標記分子互作系統(tǒng)檢測設計的蛋白與靶點的親和力。目前，David Baker課題組已使用Octet® 檢測蛋白親和力發(fā)表了近80篇文章，其中CNS正刊文章就超過20篇！(部分文章列表見文末)
這里，陳老師就介紹一下他今年發(fā)表的幾篇CNS文章。
pM級別親和力的新冠抑制劑[6]
在當時新冠病毒肆虐時，David Baker課題組用計算機軟件設計了針對新冠病毒S蛋白的小蛋白抑制劑，通過一系列分子進化以及生化學方法檢測后，大部分的抑制劑的中和新冠病毒活性達到了幾十pM級別的IC50，其中一個蛋白抑制劑達到11pM的IC50，是當時知道所有新冠抑制劑中最強的！文中進行了兩種設計路線：
方法1：圍繞ACE2與S蛋白結(jié)合的α-螺旋結(jié)構(gòu)域設計
方法2：與S蛋白的RBD結(jié)構(gòu)域?qū)觼碓O計
圖1. 圖A為方法1示意圖，圖B為方法2示意圖
技術(shù)路線如下
圖2. *AHB1親和力高，但是穩(wěn)定性差，通過AHB1結(jié)構(gòu)再進行一次設計與篩選，獲得AHB2前體。
圖3. Octet®親和力測試：第一個圖是AHB1前體的動力學測定（μM級別親和力），第二個圖是AHB2的動力學測定（nM級別親和力）。
方法2的第一輪篩選的11個候選物（LCD1-8前體）的親和力為100nM-2μM，而通過分子進化后的多數(shù)LCB的親和力在1-20nM，其中LCB1，LCB3親和力低于1nM。
圖4. Octet® 親和力測試：第一個圖是方法2獲得的11個候選物的動力學測定，解離都較快，親和力相對較低；第二個圖是親和力成熟后的LCB1親和力測試（低于1nM親和力）。
LCB1也是當時已知中和新冠病毒能力最強的抑制劑。
結(jié)合擴散模型設計出的高親和力蛋白[1]
本文結(jié)合擴散模型（RF diffusion）和用深度學習算法，實現(xiàn)了從頭設計合成蛋白質(zhì)的目標，設計成功率提高了兩個數(shù)量級。針對已知的五個靶標，僅需不到100個候選即可達到納摩爾(nM)級別的親和力（全部用BLI進行檢測）。此外，研究人員還設計了一種蛋白與其底物（流感血凝素）的復合物，并使用冷凍電鏡解析其結(jié)構(gòu)。結(jié)果顯示，冷凍電鏡解析的結(jié)構(gòu)與設計的模型幾乎完全一致，證明了該模型的準確性。為進一步驗證生成的蛋白是否具有結(jié)合活性，研究人員繼續(xù)使用Octet® 對這兩種蛋白的結(jié)合進行驗證。
圖5. (a-c) 從頭設計靶標蛋白的結(jié)合蛋白，針對五個靶標，從頭設計結(jié)合蛋白，BLI 響應信號值≥陽性對照1/2為候選;（b）RF diffusion成功率高出兩個數(shù)量級; (d) 親和力最高的結(jié)合物，結(jié)合KD為28nM; (e-h) 結(jié)構(gòu)學驗證。
研究團隊表示，RF diffusion是對目前蛋白質(zhì)設計方法的一次綜合改進，能夠產(chǎn)生總長度達600個氨基酸殘基的結(jié)構(gòu)，其復雜性和準確度均超越以往。研究團隊還表示，進一步改進該方法或能設計出復雜程度更高的全新蛋白質(zhì)。
超螺旋配對的高親和力蛋白
針對內(nèi)在無序區(qū)的重復性蛋白和多肽，本文開發(fā)了一種基于超螺旋配對的從頭設計蛋白的通用性方法。該方法能以大約 20% 的成功率高效設計出多肽結(jié)合蛋白，這些蛋白具備低至皮摩（pM）級別的高親和力、高特異性、高熱穩(wěn)定性以及高精度。此外，該方法還被證實可以靶向更廣闊的非重復性多肽區(qū)域，并可延伸至人源蛋白的復雜網(wǎng)絡。
這種高親和力、高特異性就是通過Octet® 來進行檢測的。
圖6. 將生物素化的目標肽加載到Octet® 生物傳感器上，并和設計的binder進行結(jié)合解離，紅色矩形框表示相匹配的結(jié)合；可見，設計的binder與目標多肽的良好特異性
三位諾貝爾化學獎得主幾乎實現(xiàn)了人類曾經(jīng)認為不可能的夢想。幾十年前，設計全新的蛋白質(zhì)以及預測蛋白質(zhì)結(jié)構(gòu)，被視為無法完成的任務。然而在今天，得益于三位科學家的成果，我們利用人工智能破解了蛋白質(zhì)結(jié)構(gòu)的密碼，這是一場重大的革命。
無論哪個行業(yè)都離不開AI，蛋白質(zhì)設計也一樣，盡管蛋白質(zhì)設計的各種模板和命令還在探索階段。但無論AI從頭設計怎么前沿，相互作用親和力還是需要通過實驗進行驗證，蛋白也需要表達純化才能成為最終產(chǎn)品。所以各位實驗室技術(shù)大牛們不用怕失業(yè)啦！
Octet® 為什么如此受歡迎呢？
Octet® 用于親和力驗證的優(yōu)點在于:
非標記Direct Binding是趨勢，不需要標記和信號放大，可以更好的保持反應物的活性
快速測定親和力，提供結(jié)合速率常數(shù)和解離速率常數(shù)更加定量化地表征分子互作
無洗滌步驟，可測弱親和力（解離快）
寫入了美國藥典，文章>160,00篇，認可度廣
萬金油技術(shù)，可以用與檢測DNA，小分子，蛋白質(zhì)等各種生物分子
操作簡便，耗材及維護成本低
《生物層干涉技術(shù)應用文集第三版》
22
立即詢價
您提交后，專屬客服將第一時間為您服務