《Current Opinion in Structural Biology》：De novo engineering of protein interactions: Retrospective and current advances
编辑推荐：
新深度学习方法为蛋白质结构建模与生成开辟了新方向，显著提升了蛋白质结合器设计能力，从依赖已知结构的模板设计转向基于目标表面从头设计，并整合小分子调控策略。传统方法受限于几何互补性和接口尺寸，而生成式模型如AlphaFold结合条件生成技术，突破了结构约束，扩展了设计自由度，但面临复杂多特异性结合体优化等挑战。
Alisa Khramushin | Evgenia Elizarova | Bruno E. Correia
洛桑联邦理工学院生物工程研究所，瑞士洛桑，1015
基于深度学习的新方法在蛋白质结构建模和生成方面取得了重大突破，为蛋白质设计领域开启了新的篇章，将许多此前无法实现的挑战转变为常规任务。蛋白质结合剂设计是蛋白质工程中一项重要且具有挑战性的任务，也取得了显著进展，有望为许多治疗和生物工程问题提供解决方案。通过具有前所未有的高实验成功率的氨基酸序列，可以生成并稳定与目标具有精确表面互补性的新型蛋白质结构。这些进展在很大程度上归功于新的结构预测模型（如AlphaFold）以及能够学习数据分布并根据功能相关特征生成新分子的深度生成模型。在这篇综述中，我们将讨论结合剂设计方法的发展，重点介绍最先进的技术及其应用，以及面临的新的挑战。
引言
蛋白质是生物体内最复杂的分子之一。它们无处不在，具有多种结构，并执行多种功能。这些功能的核心是分子间的相互作用——包括蛋白质之间的相互作用，以及与核酸、糖类和膜脂质等其他生物分子的相互作用。蛋白质-蛋白质相互作用（PPIs）因其在信号转导、激素信号传导、转录调控、代谢等生物过程中的基础作用而受到广泛研究。计算框架在预测蛋白质结构及其复合物方面的进步也使得设计新的功能相互作用成为可能[2]。
基于结构的计算蛋白质设计的最基本形式可以定义为蛋白质折叠的反问题：寻找能够折叠成目标结构的氨基酸序列。在蛋白质结合剂设计的背景下，这种氨基酸序列的优化是在整个蛋白质结构或结合剂的界面区域进行的（图1a）。重新设计整个蛋白质结构可以增强结合剂的稳定性和热稳定性[3]；而界面重新设计则用于提高结合亲和力[4]，通过正向和负向界面设计获得特异性[5,6]，或者相反，通过共享的界面特征实现多特异性，从而创建所谓的蛋白质“枢纽”[7]。这些应用依赖于已解决的蛋白质复合物结构，因此受到其几何形状（定义表面互补性）和界面大小的限制。通过消除基于模板的设计方法中的一些结构约束，可以获得更大的设计自由度。
在许多情况下，可以识别出在PPI中贡献最大结合能的短肽段[8]。从现有相互作用中提取的这些结合基序可以被稳定为肽结合剂或嫁接到支撑结构上，从而创造出新型蛋白质结合剂（图1a，右侧）。这种方法在疫苗开发中得到了广泛应用，因为它能够保留免疫系统识别的抗原表位以引发中和抗体[9]。然而，这种方法也有其局限性：这些基序的几何结构是否是最优的？还有其他结合模式可以探索吗？
除了现有相互作用的限制之外，仅利用目标结构中编码的信息，从头结合剂设计为探索各种解决方案提供了途径（图1b）。这种丰富的可能性伴随着复杂性的增加。直到最近，完全从头结合剂设计仍被认为是一项非常具有挑战性的任务。随着人工智能革命的出现，我们拥有了如AlphaFold这样的精确结构预测工具，以及用于骨架和序列生成的深度生成模型，从头结合剂设计变得更加可靠。
部分摘要
从头结合剂设计
在没有已知相互作用信息的情况下，目标表面的特征是设计任务的主要输入。首先需要解决的是如何编码这些表面特征，以便用于工程化相互作用蛋白质。根据编码的表面信息，我们可以指导结合剂的设计过程，从而在蛋白质折叠和界面层面指导结构和序列的生成。
在接下来的部分中，我们将讨论从头结合剂设计的当前进展。
增加复杂性：“新表面”和条件性结合
对于合成生物学应用而言，可控系统有助于调节细胞中的工程功能。小分子常被用作触发剂，因为它们具有多种治疗优势，如细胞渗透性、相对较低的制造成本和易于给药（图3a）。用于全原子蛋白质设计的计算工具（如Protpardelle [48]、Chroma [31]、RFdiffusion All-Atom [49] 和 RFDiffusion3 [50]）允许根据非蛋白质实体进行条件化设计。
展望与未来挑战
近年来，蛋白质设计，特别是蛋白质结合剂设计取得了显著进展。这一进步归功于深度生成模型在骨架生成方面的成功，以及序列设计工具的改进，还有像AlphaFold这样的高精度结构预测工具的发展。从头骨架生成方法显著扩展了可用于设计任务的蛋白质结构类型和构象范围。
利益冲突声明
作者声明他们没有已知的可能会影响本文所报告工作的财务利益或个人关系。
致谢
本研究得到了瑞士国家基金（TMGC-3_213750）的支持。
