Combining AlphaFold 3 with microscale thermophoresis for aptamer optimisation

在生物学的微观世界中，科学家们经常需要寻找能够契合特定锁具的特定钥匙。有时，钥匙是一种蛋白质——由细胞构建的复杂机器；而锁则是致病分子。另一些时候，角色会发生反转，研究人员设计出一种被称为“适配体”（aptamer）的微小遗传物质来充当钥匙。这些适配体就像是定制的分子钩子，经过工程化设计，能够以惊人的精度抓取目标。一旦它们找到了匹配对象，就能阻止有害过程的发生，例如细菌构建一种被称为“生物膜”的粘性薄膜，这种薄膜能保护细菌免受药物侵害。多年来，弄清楚这些“钩子”与“锁”究竟是如何契合在一起的，需要昂贵、缓慢且困难的实验。最近，一个名为 AlphaFold 3 的强大新计算机程序问世了，它承诺能够瞬间预测这些三维形状，仿佛计算机能在科学家在实验室混合化学物质之前，就直接“想象”出解决方案一样。

然而，计算机的预测质量取决于它试图描述的现实。在最近的一项研究中，研究人员着手测试这个新的“数字水晶球”是否真的可以取代实验室中那些繁琐、真实的物理工作。他们专注于一种专门用于阻止常见细菌——变异链球菌（Streptococcus mutans）在牙齿上形成生物膜的特定适配体。这种细菌会产生一种名为 GbpC 的蛋白质，它就像胶水一样，帮助细菌粘在一起。研究人员已经发现了一个名为 A39 的遗传“钥匙”，它可以阻断这种胶水。但他们并不确切知道这把钥匙触碰了蛋白质的具体哪个位置，也不清楚这两个分子是如何“握手”的。为了解决这个问题，他们使用计算机构建了一个相互作用的模型，然后通过现实世界的测量结果来测试该模型，以观察数字猜测是否符合物理真相。

团队首先将适配体的序列和蛋白质输入计算机。软件 AlphaFold 3 生成了一个三维模型，展示了两者可能如何契合。程序预测，适配体并没有利用其全部长度来结合蛋白质。相反，它预测一段非常短且特定的遗传字母序列会在蛋白质的一个凹槽内形成紧密的抓握，紧挨着一个钙离子。基于这个数字蓝图，研究人员设计了五个新版本的适配体。他们创造了一个仅保留预测的抓握部分的版本，另一个则去除了计算机认为无用的部分，还有一些版本通过改变结构来观察抓握是否依然稳固。随后，他们通过计算机模拟运行了这些新设计，以观察程序对自身预测的信心程度。计算机为那些含有特定抓握序列的模型给出了高分，这表明这些模型最有成功的可能。

接下来，研究人员从屏幕前转向实验台，以验证计算机是否正确。他们在液体溶液中将真实的蛋白质与真实的适配体混合，并使用了一种称为“微标量热泳”（microscale thermophoresis）的技术。这种方法通过加热液体中的一个微小点来实现；当适配体与蛋白质结合时，它们在热量中的运动方式会与分离时不同。通过观察这种运动，科学家可以精确测量分子间结合的紧密程度。结果既有证实也有惊喜。计算机正确地识别出一段特定的短序列对于结合至关重要；当研究人员移除这段序列时，适配体完全无法与蛋白质结合。这证实了计算机能够识别相互作用的大致位置。

然而，计算机未能预测出结合的强度。程序曾建议一个包含该短抓握序列的适配体版本会是一个强结合剂，但在真实的实验中，它完全无法结合。相反，计算机曾预测一个缩短了引物区域（A39T）的版本仍能结合，但现实测试显示，该版本明显弱于原始版本。此外，计算机曾预测一个缺失主要结合基序（A39CN）的版本会通过另一段序列进行结合，然而该变体在实验室中并未表现出可测量的结合能力。最令人注目的发现是，计算机的置信度评分与实际的结合强度并不匹配。一个被计算机评为高度可靠的模型，在实验室中实际上是弱结合剂；而一个被评为置信度较低的模型，实际上却结合得相当牢固。研究人员发现，虽然计算机可以提示分子可能接触的位置，但它无法告诉它们抓得有多紧。

这项研究为未来的分子设计提供了一个关键教训。虽然像 AlphaFold 3 这样的工具足以生成假设并引导科学家找到分子的正确区域，但它们尚未准备好取代物理测试的需求。计算机可以绘制地图，但它还无法告诉你地形的强度。研究人员得出结论：最好的方法是利用这些数字工具来指导实验，但必须始终通过真实的测量来验证结果。随着来自真实实验的更多数据被反馈到这些系统中，预测可能会变得更加准确，但目前来看，实验台仍然是判断一把分子钥匙是否真正契合锁具的最终裁判。