De novo design of flexible protein interactions with GuideFlip

在生物学的微观世界中，生命往往依赖于一场精妙的分子识别游戏。蛋白质作为细胞的劳动力，必须寻找并抓住特定的伙伴，以传递信号、构建结构或对抗感染。几十年来，科学家们一直明白，许多这类相互作用都依赖于“锁与钥”原理，即一个刚性的蛋白质完美地契合进一个刚性的目标。然而，自然界远比这个简单的图像更为流动。许多至关重要的蛋白质是本质无序的，这意味着在遇到其伙伴之前，它们并没有固定的形状。它们就像纠缠在一起的绳索，只有在与某物结合时，才会瞬间折叠成特定的形式。这种灵活性使它们能够执行复杂的任务，例如调节细胞生长或响应压力，但也使得研究或工程化它们变得异常困难。传统的蛋白质设计方法通常需要一个预先存在的、刚性的目标蓝图才能运作。当目标是一个变形的“绳索”时，这些方法往往会失效，因为根本没有固定的形状可以进行设计。

研究人员现在开发了一种名为 GuideFlip 的新方法，它通过同时设计蛋白质及其形状来解决这个问题。该方法并非试图将一个刚性设计强加于一个柔性目标，而是允许两者共同演化。研究人员使用这一系统创造了全新的蛋白质，这些蛋白质可以抓住两种重要人类蛋白质的无序末端：一种与帕金森病有关，另一种则控制细胞分裂。在实验室测试中，这些新设计的成功率令人惊讶。团队还利用同样的技术构建了一个微小的抗体，它可以区分心脏受体的两种不同形状，仅结合其活性版本。这些结果表明，工程化那些在被抓住之前没有任何固定形状的蛋白质是可能的，这为治疗此前无法通过蛋白质疗法触及的疾病打开了大门。

研究人员面临的核心挑战在于，标准的计算机程序在设计蛋白质时分为两个独立的步骤。首先，它们生成一个刚性的骨架结构，然后，它们填充符合该形状的氨基酸序列。当目标是一个坚固、不变的物体时，这种方法运作良好。但当目标是一个松散、无序的蛋白质时，设计过程就会崩溃。如果计算机试图为一个尚不存在的形状设计结合剂，它生成的序列往往看起来一点也不像天然蛋白质，而是倾向于产生在细胞中会聚集成团的油腻疏水团块。研究人员意识到，要取得成功，他们需要一个序列和结构能够持续相互影响的系统。

为了实现这一点，他们构建了 GuideFlip，这是一个使用“引导离散流匹配”（guided discrete flow matching）技术的框架。想象一下，你正试图穿过一片密林，而树木会随着你的行走而移动。与其先绘制整片森林的地图然后再行走，GuideFlip 会迈出一步，观察树木是如何移动的，然后根据新的视野决定下一步。在计算机模型中，系统从一个随机的蛋白质序列猜测开始。然后，它预测该序列将如何折叠并与目标结合。基于该预测，它会对序列进行微调，然后再次预测新的形状。这个循环不断重复，序列和预测的结构共同演化。该系统的关键部分是一个“引导器”，它能确保设计出的蛋白质看起来像真实的、可溶性的蛋白质，防止其变成那些无用的、油腻的团块。另一部分系统则使用强大的结构预测引擎，以确保结合剂确实能与目标契合。通过结合这两股力量，该系统可以应对复杂的柔性相互作用景观。

研究人员在两个困难目标上测试了这种方法。第一个是名为 $\alpha$-突触核蛋白（alpha-synuclein）的蛋白质末端。这种蛋白质因在帕金森病患者大脑中聚集而闻名。其末端是无序的，从未在固定形状下被观察到，这使得传统设计成为一场噩梦。团队要求 GuideFlip 为这个特定区域创建一个结合剂，且未提供任何预设形状。计算机生成了数千个设计，随后经过筛选以找到最有潜力的候选者。研究人员合成并测试了这些顶尖候选者。他们发现，在 37 个设计中，有 7 个成功结合了目标。其中两个名为 dnAS15 和 dnAS36 的设计表现出了强力的结合。为了证明它们结合在正确的部位，团队缩短了目标蛋白质并去除了末端，发现结合剂不再附着。他们还使用了核磁共振技术（一种追踪原子运动的技术）来确认结合剂确实抓住了无序的末端，并将其稳定成特定的形状。

第二个测试涉及一种被称为 RBX1 的蛋白质，它充当细胞分裂的开关。它的起始部分也是无序的，直到它与细胞内的一个大型机器结合。研究人员为这个松散的起始部分设计了结合剂。在一场类似竞赛的测试中，他们将设计提交给一个独立小组进行评估。他们的两个设计——dnRB1 和 dnRB2——被发现能与目标紧密结合。随后的设计轮次产生了一个结合力更强的设计 dnRB8，其亲和力达到了 4.5 纳摩尔（衡量两个分子粘附紧密程度的指标）。为了确保这些结合剂按预期工作，团队对结合剂的特定部分进行了突变，并观察到结合强度下降，从而证实了设计准确识别了接触点。

团队还探索了当灵活性存在于结合剂一侧而非目标一侧时，该方法是否有效。他们专注于一种名为 $\beta$-1 肾上腺素受体的心脏受体，该受体在接收到信号时会改变形状。他们想要创造一种微小的抗体，称为纳米抗体（nanobody），这种抗体仅在受体处于激活的“开启”状态时才结合，而忽略“关闭”状态。利用已知的抗体结构作为支架，他们要求 GuideFlip 重新设计与受体接触的柔性环（loops）。系统生成了 16 个新设计。在测试中，15 个设计在细菌中表达良好，且有 12 个在药物激活受体后才与之结合。其中一个设计 NbIC20 表现出高亲和力。研究人员随后使用冷冻电子显微镜（一种可以在近原子分辨率下拍摄分子 3D 图像的技术）来精确观察其工作机制。图像证实，设计的纳米抗体确实结合在受体的激活态上，与计算机模型高度吻合。结构显示，纳米抗体的柔性环采用了设计中所预测的精确形状，从而锁定了受体的激活状态。

这些实验表明，设计形状与设计序列之间的旧有分离不再是必要的。通过让两者共同演化，GuideFlip 可以处理那些此前被认为过于困难的问题，例如结合没有固定形状的蛋白质，或者创造对目标形态细微变化敏感的结合剂。研究人员还指出，与依赖简单优化技术的其他设计方法相比，他们的方法产生的蛋白质更有可能在细胞中保持可溶性和稳定性。虽然这项研究侧重于特定的蛋白质，但该框架具有通用性，可以应用于其他的分子识别问题。设计能够稳定瞬时、柔性相互作用的蛋白质的能力，预示着分子工程学的一个新时代即将到来，届时科学家们可以构建工具，去捕捉并控制细胞机器中最具动态性的部分。