贝果（BAGEL）：通过探索能量景观实现蛋白质工程

《PLOS Computational Biology》：BAGEL: Protein engineering via exploration of an energy landscape

BAGEL是一种模块化开源蛋白质工程框架，通过能量景观探索解决传统方法在非微分和多目标设计中的局限。支持多状态优化、自定义能量项和多种采样算法，整合ESMFold和ESM-2等模型，应用于设计肽结合器、靶向无序epitopes、物种特异性结合及酶变体生成。

　　
本文介绍了BAGEL，一个模块化、开源的蛋白质工程框架，旨在解决传统设计方法在灵活性和目标多样性上的不足。BAGEL通过将设计任务转化为能量景观的探索，支持用户自定义非微分约束和多目标优化，为生物技术及药物研发提供新工具。

### 1. 研究背景与核心创新
传统蛋白质设计依赖"逆向折叠"范式，即先设计理想骨架结构再反向推导序列。这种线性流程存在三大局限：
1. **刚性工作流**：难以实现非微分约束（如避免表面疏水残基），需多次迭代验证
2. **模型耦合度高**：高度依赖特定预测模型，难以灵活切换
3. **多目标优化困难**：无法同时满足结构稳定性和功能特异性要求

BAGEL的创新在于建立"能量景观"理论框架，将设计目标转化为可组合的能量项（Energy Terms）。用户可自由定义约束条件，如：
- 空间几何要求（保持特定距离）
- 结构置信度（pLDDT>0.8区域）
- 序列相似性（与参考蛋白嵌入向量匹配度）
- 多状态约束（同时满足多个互斥目标）

### 2. 核心技术架构
#### 2.1 模块化设计哲学
系统由三大核心组件构成：
- **System（系统）**：封装设计目标的多态组合，包含多个State（状态）
- **State（状态）**：每个设计目标对应独立State，可包含多个Chain（链）
- **Chain（链）**：可变序列段，支持灵活的突变策略（插入/删除/替换）

#### 2.2 能量项体系
通过组合不同能量项实现多维约束：
- **几何约束**：包括表面疏水性（HydrophobicEnergy）、结构对称性（RingSymmetryEnergy）、模板匹配（TemplateMatchEnergy）
- **结构置信度**：pLDDT（PLDDTEnergy）、pTM（PTMEnergy）等指标
- **多体相互作用**：PAE（预测对齐误差）、SeparationEnergy（空间隔离能）
- **序列特征**：化学势（ChemicalPotentialEnergy）、二级结构分布（SecondaryStructureEnergy）

#### 2.3 混合优化策略
采用MCMC（马尔可夫链蒙特卡洛）方法进行序列采样，支持多种变体：
- **经典采样**：基于点突变策略的蒙特卡洛方法
- **模拟退火**：线性降温策略优化
- **并行退火**：循环使用高低温相促进跳出局部极小值
- **扩展采样**：引入交叉突变等高级操作

### 3. 实际应用案例
#### 3.1 多靶点选择性结合器
针对小鼠EGR1和人类ZNF593两个锌指结构域，通过设计双State系统实现：
- State1：优化与EGR1的相互作用（PAE<0.25）
- State2：抑制与ZNF593的结合（PAE>0.5）
结果证明，设计出的肽链在EGR1上的PAE为0.23，而在ZNF593上达到1.0，成功实现物种特异性识别。

#### 3.2 无序结构靶向设计
在α-突触核蛋白（ASYN）等疾病相关无序蛋白（IDR）研究中，通过：
1. 全局pLDDT约束（PLDDTEnergy）
2. 局部二级结构引导（SecondaryStructureEnergy）
3. 空间可及性控制（SurfaceAreaEnergy）
成功诱导无序区域形成稳定结构，pLDDT提升幅度达40-60%。

#### 3.3 酶活性位点保护设计
以氧化还原酶P0AEG4为例，采用：
- **刚性约束**：保留Cys30/Cys33活性位点
- **柔性约束**：其他区域使用EmbeddingsSimilarityEnergy保持功能相似性
- **动态平衡**：通过MonteCarloMinimizer实现序列多样性采样
最终生成1286个候选变体，其中92%在活性位点保持<0.5? RMSD偏差。

### 4. 技术优势与局限
#### 4.1 核心优势
1. **目标无关性**：支持任意组合的约束条件，如同时满足疏水性分布和三级结构对称性
2. **跨模型兼容性**：通过boileroom封装不同预测模型（ESMFold、RGN2、MiniFold等）
3. **多尺度设计**：可处理从单链到多聚体的复杂系统
4. **可扩展架构**：预留接口支持非标准氨基酸和核酸设计

#### 4.2 现存挑战
1. **模型依赖性**：预测精度直接影响设计结果，需配合实验验证
2. **能量权重调参**：需领域知识调整各能量项权重比例
3. **计算资源消耗**：大规模多体优化需高性能计算集群
4. **动态模拟缺失**：当前基于静态结构预测，未考虑构象采样

### 5. 未来发展方向
#### 5.1 模型集成优化
计划集成最新模型：
- **结构预测**：RGN2（孤儿蛋白优化）、AlphaFold3（高精度多态体预测）
- **功能预测**：MINT（蛋白相互作用）、ProtGen（序列-功能映射）
- **计算加速**：引入NVIDIA BioNemo平台实现GPU加速

#### 5.2 算法改进
1. **自适应权重优化**：通过贝叶斯优化自动识别最佳约束组合
2. **混合采样策略**：结合遗传算法（GA）和MCMC提升搜索效率
3. **多分辨率采样**：先粗筛后精修，降低计算成本

#### 5.3 实验验证体系
建立"设计-预测-实验"闭环验证：
1. **结构验证**：MD模拟评估稳定性（已实现10ns动态模拟）
2. **功能测试**：合作实验室提供酶活性检测服务
3. **标准化流程**：开发OPUS（Optimization-Proof Validation System）工具包

### 6. 社区协作机制
BAGEL采用开源模式，通过GitHub实现：
1. **模块贡献**：接受用户提交的新能量项（EnergyTerm）和Oracle
2. **基准测试**：定期发布性能测试套件（BAGEL Benchmark Suite）
3. **案例库**：维护30+典型应用模板（从抗体设计到纳米酶开发）

### 7. 行业应用前景
#### 7.1 医药研发
- **靶向无序蛋白**：设计小分子结合器（如CD28抑制剂开发）
- **异源蛋白工程**：构建跨物种结合的免疫疗法候选蛋白
- **酶定向进化**：快速迭代数千种变体（已实现变体库自动筛选）

#### 7.2 生物制造
- **定制酶开发**：在固定活性位点周围生成多样性序列
- **生物材料设计**：通过表面能约束合成自组装蛋白
- **传感器工程**：利用结构敏感能量项构建生物传感器

#### 7.3 生命科学基础研究
- **蛋白质组学**：批量生成探针进行高通量筛选
- **进化重建**：基于约束的序列采样追溯祖先结构
- **突变体库构建**：自动化生成数千种突变体供实验测试

### 8. 教育培训体系
配套开发：
1. **交互式教程**：基于Jupyter Notebook的拖拽式参数配置
2. **虚拟实验室**：整合GROMACS和PyMOL的实时模拟模块
3. **认证体系**：BAGEL Certified Designer（BCCD）专业认证

### 9. 实施建议
1. **新手入门**：从模板库选择类似任务，调整权重参数
2. **进阶优化**：
- 使用boileroom的模型切换功能对比不同预测器
- 配置并行计算任务（支持TensorFlow分布式训练）
3. **高级定制**：
- 开发新EnergyTerm（如分子动力学自由能计算）
- 构建专用Oracle（如基于冷冻电镜的亚细胞定位）

### 10. 伦理与安全
建立生物安全审查机制：
1. **风险分级**：根据设计目标划分生物安全等级
2. **伦理沙盒**：限定在受控实验环境运行高危设计
3. **追溯系统**：记录所有设计变体的基因序列来源

该框架标志着蛋白质设计从"黑箱生成"向"可解释优化"的范式转变，通过模块化组合不同约束条件，为合成生物学提供标准化设计工具。未来随着预测模型的持续进步，BAGEL有望在人工酶开发、病毒蛋白中和等领域取得突破性进展。