Computational Design and Evaluation of De Novo Protein Minibinders Targeting Specific Sites of STAT3

在活细胞的微观机制内部，一种被称为 STAT3 的蛋白质扮演着“主开关”的角色，它负责开启控制细胞何时生长和分裂的基因。在健康的身体中，这个开关受到严格调节，但在许多类型的癌症中，它会卡在“开启”位置，驱动不受控制的生长并导致肿瘤扩散。长期以来，科学家们一直试图开发能够关闭这个开关的药物，但传统的做法——即使用小分子化学物质来卡住其机制——在临床试验中屡屡失败。STAT3 蛋白质的表面通常过于平坦，或者与其他蛋白质过于相似，导致这些小分子无法以足够的精准度抓取。这使得研究人员开始寻找一种不同类型的工具，一种体积更大、更具特异性的工具，能够像钥匙契合锁芯一样，确定无疑地扣合在蛋白质上。

现在，一支研究团队转向利用人工智能来从头设计这些新工具。他们并没有借鉴自然界现有的蛋白质库，而是使用计算机程序发明了全新的、微小的蛋白质结构，旨在结合到 STAT3 表面的特定位点。其目标是创造出“微结合蛋白”（minibinders）——这种小型且稳定的蛋白质片段可以附着在 STAT3 上，并可能阻止其产生有害作用。通过针对蛋白质的不同区域（包括那些传统药物难以触及的区域）进行设计，该团队希望生成一组新的候选对象，以便在实验室中进行测试，观察它们是否能有效阻断这种致癌蛋白。

研究人员首先在 STAT3 蛋白质上识别了七个特定的“热点”（hotspots），这些热点是位于分子不同部分的氨基酸簇。选择这些位点是因为它们具有可及性，并在蛋白质功能中发挥着重要作用，例如帮助其粘附到细胞受体或结合 DNA。利用一种名为 BindCraft 的现代 AI 设计工具，团队生成了数千个潜在的蛋白质序列，每一条序列都是对包裹其中一个热点的独特尝试。计算机程序充当了一位虚拟建筑师，勾勒出理论上能契合目标的形状，同时过滤掉那些看起来不稳定或不太可能发生结合的设计。在通过初步计算机检查的 139 个初始设计中，团队进一步缩小了范围，聚焦于最有潜力的候选对象。

为了确保这些数字设计能在现实世界中发挥作用，研究人员使用一种被称为 AlphaFold3 的更先进的 AI 系统进行了严苛的第二轮评估。该系统非常擅长预测蛋白质如何折叠成三维形状以及它们如何相互作用。团队寻找的是那些在与 STAT3 蛋白对接方面表现出高度置信度的设计。最终，有 11 个设计脱颖而出成为顶级竞争者，它们都被预测能够紧密结合到预定的目标上。这 11 个微结合蛋白被设计为附着在原有的七个热点中的五个，覆盖了蛋白质的卷曲螺旋结构（coiled-coil）、SH2 结构域和 DNA 结合结构域。模拟结果表明，这些微小的蛋白质会牢固地坐落在 STAT3 表面，通常会覆盖研究人员瞄准的特定氨基酸。

除了仅仅“粘附”在蛋白质上之外，研究人员还检查了这些新的结合蛋白是否属于真正的原创之作。他们将这 11 个顶级结合蛋白的序列通过一个庞大的已知蛋白质数据库进行比对，以查看是否有任何序列看起来像是已存在的。结果令人瞩目：其中 6 个结合蛋白在数据库中完全没有匹配项，这意味着它们是自然界中从未见过的全新序列。另外 5 个结合蛋白仅与一些模糊的细菌蛋白显示出非常微弱且无关紧要的相似性，这证实了这些设计并非现有生物部分的偶然复制。这表明 AI 成功发明了独特的分子形状，而非仅仅是对已知部分的重新排列。

研究还表明，其中一些微结合蛋白有可能协同工作。由于这些结合蛋白附着在 STAT3 蛋白质不同且互不重叠的区域，因此有可能同时使用两个结合蛋白来“夹击”目标。例如，模拟显示，为某一区域设计的结合蛋白可以舒适地与为另一区域设计的结合蛋白并排坐定，而不会发生碰撞。这开启了一种新策略，即可以使用两个小蛋白同时钳制 STAT3，从而可能使癌细胞更难绕过这种阻断。尽管研究人员强调，这些结果目前基于计算机模拟，尚未在实验室中进行测试，但 AI 模型提供的高置信度评分为下一步研究奠定了坚实的基础。

这项工作代表了利用人工智能应对困难药物靶点的重大进展。通过成功设计出能够预测结合到特定、具有挑战性的癌症相关蛋白位点的蛋白质，该团队为科学界提供了一份可用于实验测试的具体候选名单。论文中描述的 11 个序列现在已向其他科学家开放，供其在实验室中进行合成和研究。如果这些数字预测能在物理实验中得到验证，它们可能会为治疗由 STAT3 驱动的癌症提供一条新路径，超越小分子化学药物的局限，迈入精准蛋白质疗法的新时代。