蛋白質(zhì)工程，是基于蛋白質(zhì)具有的靈活性，通過(guò)人工手段改變氨基酸序列，實(shí)現對蛋白質(zhì)結構和功能的修飾和改造。與基因組工程相比，它可直接對蛋白質(zhì)分子進(jìn)行操縱，借助突變的迭代積累，快速完成蛋白功能的優(yōu)化和創(chuàng )新，速度較自然演變實(shí)現了指數級提升。鑒于蛋白質(zhì)工程在基礎研究和產(chǎn)業(yè)應用的廣泛潛力，預計相關(guān)的市場(chǎng)規模超過(guò)數百億美元。
目前，蛋白質(zhì)工程改造的策略主要包括結構引導的蛋白質(zhì)理性設計和定向進(jìn)化，但這些方法往往依賴(lài)經(jīng)驗，且存在實(shí)驗周期長(cháng)、成本高的問(wèn)題，限制了其規?；瘧?。理想的蛋白質(zhì)工程策略，應能以最小的投入實(shí)現最優(yōu)的工程性能。
近年來(lái)，人工智能（Artificial Intelligence，AI）迅猛發(fā)展，在生命科學(xué)領(lǐng)域的應用也不斷涌現。通過(guò)訓練特定蛋白專(zhuān)有的人工智能模型實(shí)現突變模擬和功能改造是蛋白質(zhì)工程新方向。但這些模型在拓展應用到多種蛋白時(shí)存在困難，面臨通用性欠佳的問(wèn)題；此外，模型訓練和下游驗證需要大量的計算和實(shí)驗成本，進(jìn)一步限制了其廣泛應用（圖1A）。因此，有必要開(kāi)發(fā)一種高效、普適且無(wú)需復雜模型訓練的蛋白質(zhì)工程計算模擬策略，以最大限度地減少計算負荷、實(shí)現最大化性能，這對推動(dòng)蛋白質(zhì)改造具有重要價(jià)值。
2025 年 7 月 7 日，中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所高彩霞團隊在國際頂尖學(xué)術(shù)期刊 Cell 上發(fā)表題為：Advancing protein evolution with inverse folding models integrating structural and evolutionary constraints 的研究論文。
該研究基于整合了結構與進(jìn)化約束的通用逆折疊模型，開(kāi)發(fā)了一種新型人工智能蛋白質(zhì)工程計算模擬方法--AiCE（AI-informed Constraints for protein Engineering）。該方法無(wú)需訓練專(zhuān)屬 AI 模型，即可實(shí)現蛋白質(zhì)高效進(jìn)化模擬和功能設計。研究團隊利用 AiCE 對多種基因編輯工具進(jìn)行進(jìn)化優(yōu)化，成功實(shí)現了其效率和精度的快速提升。
蛋白質(zhì)逆折疊（inverse folding）是利用 AI 模型，通過(guò)給定三維結構預測可兼容序列的過(guò)程。通用的蛋白質(zhì)逆折疊模型，例如 ESM-IF1 和 ProteinMPNN，通過(guò)天然蛋白質(zhì)結構和序列的訓練，可以隱式學(xué)習蛋白質(zhì)骨架的幾何和物理特性，捕捉由進(jìn)化動(dòng)力學(xué)塑造的蛋白質(zhì)序列的復雜分布模式。
研究團隊基于現有通用逆折疊模型開(kāi)發(fā)了 AiCEsingle模塊，具體來(lái)說(shuō)：基于給定的蛋白質(zhì)三維結構，對逆折疊模型輸出的氨基酸序列開(kāi)展采樣，來(lái)提名高頻出現的氨基酸類(lèi)型，進(jìn)一步通過(guò)結構約束對氨基酸頻率開(kāi)展差異篩選，得到最終預測的單個(gè)氨基酸替換類(lèi)型。
研究團隊利用 60 個(gè)深度突變掃描（DMS）數據，測試了 AiCEsingle的性能，發(fā)現其實(shí)現了 16% 的預測準確率；通過(guò)消融實(shí)驗和邏輯回歸分析，證明結構限制在方法中的必要性，相比于無(wú)限制方案性能提升了 37%；進(jìn)一步的平行比較分析表明 AiCEsingle相比于其它常見(jiàn) AI 模型實(shí)現了 36%-90% 以上的性能提升。從蛋白類(lèi)型來(lái)看，AiCEsingle實(shí)現了復雜蛋白和蛋白質(zhì)-核酸復合物諸如CRISPR蛋白、SARS-CoV-2病毒蛋白等的有效進(jìn)化，具有廣泛的通用性。
為了克服突變組合廣泛存在的負向上位效應，研究團隊進(jìn)一步假設存在進(jìn)化耦合的氨基酸位置可能存在功能協(xié)同，構建了通過(guò)預測進(jìn)化耦合性來(lái)預測突變組合位置的 AiCEmulti模塊（圖1B）。6 個(gè)突變文庫的分析結果表明，AiCEmulti 與蛋白質(zhì)大模型 SaProt 預測能力相當，但計算成本極低。研究團隊建立的包含兩類(lèi)模塊的 AiCE 方法，可實(shí)現單突和組合突變的快速有效預測。該方法利用了現有的通用逆折疊模型而無(wú)需重新/遷移訓練專(zhuān)有蛋白模型，極大降低了計算成本，只需 1.15 個(gè)CPU時(shí)即可識別 SpCas9 蛋白（>1000個(gè)氨基酸）的單突和雙突變體。
圖1. 常見(jiàn)蛋白質(zhì)工程方法的示意圖和AiCE方法概述
利用該方法，研究團隊進(jìn)一步在濕實(shí)驗層面實(shí)現了包括脫氨酶、核定位序列、核酸酶和逆轉錄酶等 8 種結構和功能多樣蛋白質(zhì)的 AiCE 功能驗證，證明了其簡(jiǎn)單、高效和通用性。借助于優(yōu)化的脫氨酶，研究團隊深入開(kāi)發(fā)了可用于精準醫療和分子育種的新型堿基編輯器，包括編輯窗口縮小近一半的新型胞嘧啶堿基編輯器 enABE8e、保真度提升 1.3 倍的新型腺嘌呤堿基編輯器 enSdd6-CBE，以及活性提升 13 倍的新型線(xiàn)粒體堿基編輯器 enDdd1-DdCBE。
該研究的亮點(diǎn)：
綜上所述，這項研究開(kāi)發(fā)了一種基于人工智能的新型蛋白質(zhì)工程計算模擬方法--AiCE。與傳統蛋白質(zhì)工程方案相比，該方法在效率、可擴展性和通用性方面均展現出顯著(zhù)優(yōu)越。通過(guò)計算模擬甚至替代濕實(shí)驗，是當前生命科學(xué)領(lǐng)域的重要發(fā)展趨勢和前沿方向，而該研究在此方面開(kāi)展的探索具有積極意義。當前，基于 AI 的蛋白質(zhì)分析工具往往依賴(lài)大量計算資源，這對許多實(shí)驗室而言難以獲取。而這項工作表明，通過(guò)開(kāi)發(fā)更高效的生物信息學(xué)工具，能夠最大限度降低計算負荷，從而讓更多生物學(xué)家切實(shí)享受到 AI 技術(shù)帶來(lái)的科研便利。正如審稿專(zhuān)家所評價(jià)的：AiCE 將基于 AI 的蛋白質(zhì)進(jìn)化提升到了一個(gè)全新的水平。
中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所高彩霞研究員為論文通訊作者，博士后費宏源、博士生李運嘉為該論文共同第一作者，已畢業(yè)博士生劉怡靜、博士后魏京京和碩士生陳奧捷在課題研究中做出了重要貢獻。中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所王秀杰研究員、西湖大學(xué)盧培龍研究員、華中科技大學(xué)薛宇教授、荊楚理工學(xué)院鄭竹清副教授提供了建設性意見(jiàn)。
論文鏈接：
https://www.cell.com/cell/abstract/S0092-8674(25)00680-4
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
