← 最新论文
💻 生物信息学

Paired-unit activation steering for context-aware protein design

本文介绍了 PULSE,一种上下文感知的激活引导方法,该方法通过匹配的蛋白质对而非全局群体来构建特定属性向量,并提出了局部方向支持(LDS)来评估轨迹可靠性,这些方法共同实现了无需在候选选择过程中进行属性预测的卓越可控蛋白质设计。

原作者: Zhou, Y., Qian, X., Yoon, B.-J.

发布于 2026-11-11
📖 1 分钟阅读☕ 轻松阅读

原作者: Zhou, Y., Qian, X., Yoon, B.-J.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

蛋白质是维持生命运转的分子机器,它们折叠成复杂的形状,以构建细胞、对抗感染并消化食物。长期以来,科学家一直试图设计新的蛋白质或改进现有蛋白质,这一过程通常涉及调整遗传密码以改变蛋白质的行为。近年来,人工智能介入其中提供帮助,利用在庞大的天然蛋白质序列库上训练的模型来理解这些分子运作的规则。这些模型可以预测蛋白质可能表现出的行为,但引导它们创造出特定的、改进后的版本仍然是一个艰巨的挑战。传统方法通常试图寻找一条单一的、通用的改进规则,假设使一种蛋白质变得更好的因素对所有其他蛋白质都同样适用。然而,正如改变汽车引擎可能会让一款车型跑得更快,却会导致另一款车型损坏一样,一种改善某种蛋白质的遗传微调可能会在另一种蛋白质上失效甚至产生危害,因为每种蛋白质都有其独特的内部结构。

一个研究小组针对这一问题开发了一种新方法,他们不再追求广泛的、一刀切的规则,而是转向一种尊重每个蛋白质独特背景的方法。他们将这种技术称为 PULSE,即“配对单元局部引导嵌入”(Paired-Unit Local Steering of Embeddings)。PULSE 不再通过观察成千上万种蛋白质来寻找一个平均的改进方向,而是仔细匹配彼此相似的单个蛋白质。随后,它通过比较同一特定类型的蛋白质的“好”版本与“较差”版本,来寻找所需的精确变化。通过这种方式,研究人员发现,通往更佳蛋白质的路径并非一条适用于所有人的直线,而是一系列高度依赖于起始位置的局部路径。他们的这种方法在三个不同目标上均取得了比以往技术更优的结果:提高蛋白质的溶解度、降低触发免疫反应的可能性以及降低毒性。

研究人员将这种新方法与一种依赖全局平均值的旧方法进行了对比测试。在旧方法中,科学家会提取所有表现良好的蛋白质和表现不佳的蛋白质,计算两组之间的平均差异,并将这一单一差异应用于每一个新设计。这项研究表明,这种全局性的方法往往会偏离目标,因为它忽略了正在被改变的蛋白质的具体语境。当团队使用基于匹配的相似蛋白质对来构建引导信息的 PULSE 时,所得的设计显著优于以往。在降低毒性的任务中,这种进步尤为显著,新方法在创造既具功能性又安全的蛋白质方面实现了更高的成功率。该研究证实,改进蛋白质所需的方向与其特定的序列深度相关,这意味着适用于一个蛋白质家族的策略对于另一个家族可能是无效的。

为了理解为什么这种新方法如此有效,研究人员深入探究了计算机创造每种新蛋白质的过程。他们发现,仅仅检查最终结果并不足以解释为什么一种方法成功而另一种失败。他们引入了一种衡量设计过程可靠性的新指标,称为“局部方向支持”(Local Directional Support)。该指标会检查设计过程中的每一个微小步骤是否与相似蛋白质的已知改进路径相一致。他们发现,旧方法经常采取一些不受局部语境支持的步骤,本质上是在朝着可能无法导致更好结果的方向徘徊。相比之下,PULSE 方法始终保持在有证据支持其相似蛋白质背景的路径上。这种一致性如此之强,以至于研究人员可以利用它来预测哪些设计最有可能成功,甚至在预先不知道蛋白质最终属性的情况下也是如此。

这种基于“旅程”而非仅仅基于“终点”来判断设计质量的能力,为科学家提供了一个强大的工具。在现实世界的蛋白质工程领域,在实验室中测试每一种可能的方案既昂贵又耗时。研究人员需要一种方法,在接触试管之前就能挑选出最有希望的候选对象。研究表明,通过根据其创建过程对局部改进规则的遵循程度来对设计进行排名,科学家可以过滤掉弱势候选者,并专注于那些强有力的设计。这种排名系统适用于不同类型的蛋白质和不同的目标,证明了理解蛋白质的局部语境是成功的关键。研究结果表明,蛋白质工程的未来不在于寻找单一的普适规则,而在于学习支配每个独特分子家族的特定局部规则。

研究人员谨慎地指出,他们的结果来自计算机模拟和预测,而非来自湿实验室的物理实验。虽然计算机模型显示出了明显的改进,但最终的考验将是这些设计在合成并进行实验室测试时的实际表现。该研究还强调,他们的新方法需要一定数量的已知标记样本才能运行,这是一个实际存在的限制。然而,其核心洞察——即改进的路径取决于起始点——似乎是蛋白质设计的一个基本原则。通过将焦点从全局平均值转向局部且具备语境感知能力的比较,该团队为导航复杂的蛋白质工程图景提供了一份更清晰的地图,为设计未来的分子提供了一种更可靠的方式。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →