综述：人工智能在全新蛋白质设计中的应用

这篇综述系统阐述了人工智能（AI）在蛋白质从头设计（de novo design）中的突破性进展，重点分析了基于序列（如ProtGPT2/ESM-2）、结构（如ProteinMPNN/RFdiffusion）和功能设计的AI方法，揭示了其在开发新型治疗药物、可持续生物材料和环境修复酶等领域的巨大潜力。

　　

摘要

蛋白质工程的核心目标是创造具有最优功能和特性的分子。蛋白质从头设计作为该领域最激动人心的研究方向之一，能够不依赖现有蛋白质模板合成全新分子。人工智能（AI）通过机器学习算法分析海量序列和结构数据，使这一愿景成为现实。本文深入探讨了推动该领域发展的关键AI技术创新，以及它们如何开启蛋白质设计的革命性机遇。

1. 引言

蛋白质是生命活动的基础执行者，承担结构支持、生化反应催化、信号传递等关键功能。传统蛋白质改造方法（如定向进化）受限于天然蛋白质模板，而从头设计通过逆向思维——从目标功能或结构反推序列，实现了真正的“从无到有”。这一过程依赖于对蛋白质“序列-结构-功能”关系的深刻理解，而AI恰好擅长捕捉这些复杂关联，并将其转化为高维表征。近年来，深度学习技术显著提升了蛋白质设计的精度，推动研究重心从结构设计转向功能设计。

2. 蛋白质从头设计的概念

从头设计的本质是一个优化问题：给定目标结构，预测能稳定折叠为该结构的氨基酸序列。其最大挑战在于，天文数字级的序列空间中仅有极少数能自发折叠并具备功能。AI通过高效搜索算法解决了这一难题，例如：

• 序列设计：语言模型（如ProGen2）通过训练19000个蛋白质家族数据，可生成指定功能标签的新序列，实验证实其设计的溶菌酶变体与天然蛋白活性相当。
• 结构设计：扩散模型（如RFdiffusion）通过“去噪”生成全新蛋白骨架，其设计的新冠病毒结合蛋白与冷冻电镜结构高度吻合。

3. 蛋白质从头设计的方法

3.1 基于序列的设计

早期方法（如Rosetta）通过能量函数优化序列，而AI带来了范式变革：

• 语言模型：ESM-2在150亿参数规模时可预测原子级结构，替代计算密集的多序列比对（MSA）。
• 功能生成：Johnson团队结合生成模型与实验验证，成功设计出具有体外活性的酶，其流程包含数据策划、多组件过滤等关键步骤。

3.2 基于结构的设计

• 几何参数化：Grigoryan团队通过螺旋间距、扭转角等参数设计理想螺旋束，但成功率有限。
• 图神经网络：ProteinMPNN将蛋白质表示为原子接触图，序列恢复率达50%，但依赖已知骨架。
• 扩散模型：Chroma通过二级结构条件生成特定骨架，其设计的机械性能蛋白为生物传感器开发提供新思路。

3.3 新分子功能设计

功能设计聚焦“基序-支架”（motif-scaffold）策略：

• 分子表面指纹：MaSIF网络通过几何-化学特征匹配，设计出与PD-1/CTLA-4等靶点纳摩尔结合的蛋白。
• 动态调控：Pillai团队通过“铰链”模块融合设计可逆构象复合物，其晶体结构证实了效应物驱动的构象切换能力。

4. 讨论与展望

当前AI方法各具优势：语言模型擅长序列生成，GNN精于结构匹配，扩散模型开创无模板设计。但挑战依然存在：

• 数据瓶颈：膜蛋白等复杂结构数据稀缺，需依赖AlphaFold3等工具扩展预测范围。
• 功能验证：体外活性到体内效能的转化仍需突破，尤其在免疫原性、递送效率等方面。
  未来，通过增强模型可解释性、整合多模态AI方法，蛋白质设计有望在合成生物学、精准医疗等领域引发新一轮革命。例如，将非天然氨基酸纳入设计体系，或为罕见病治疗开辟全新路径。

作者贡献与资助

本文由姚佳伟（第一作者）撰写初稿，王晓刚（通讯作者）指导并修订。研究受国家自然科学基金（82350003）支持。