蛋白质语言模型生成的酶序列在分子动力学模拟中表现出高稳定性

《Frontiers in Artificial Intelligence》：Protein language model-generated enzyme sequences exhibit high stability in molecular dynamics simulations

　　

摘要
引言：大型语言模型（Large Language Models，LLMs）通过从大型数据集中捕捉复杂序列模式，变革了蛋白质工程领域，推动了结构预测与功能注释等应用的发展。Finenzyme应用条件迁移学习，以酶学委员会（Enzyme Commission，EC）编号为条件，生成具有生物学合理性的酶序列。
方法：在本研究中，研究人员通过一个计算机模拟（in silico）筛选流程对Finenzyme进行了扩展，该流程首先识别最有可能保留或增强特定EC类别功能特征的生成序列，随后通过分子动力学（molecular dynamics，MD）模拟对其进行评估，以考察其结构稳定性与构象动力学。
结果：对跨越四个EC类别的236条Finenzyme生成酶进行的MD模拟（总模拟时间59 μs）证实了其高结构稳定性。在所有酶类别中，74–95%的模型在整个轨迹中维持了稳定的三级结构和正确折叠，其中236个结构中有195个（82.6%）表现出持续稳定性。
讨论：通过将条件预训练语言模型微调与动态结构评估相结合，研究人员的框架超越了基于静态序列的预测，解决了酶行为的结构与功能维度问题，这两方面对于生物医学和工业应用均至关重要。

Finenzyme生成酶序列在分子动力学模拟中的高稳定性——论文解读

一、研究背景与目的
大型语言模型（Large Language Models，LLMs）通过从UniProt等大型数据库中捕捉复杂序列模式，已深刻变革蛋白质工程领域，推动了蛋白质二级结构预测与功能注释等应用的发展。Finenzyme框架利用条件迁移学习（conditional transfer learning）技术，以酶学委员会（Enzyme Commission，EC）编号为条件生成酶序列，相较通用蛋白质语言模型ProGen表现出更优的序列预测与生成性能。然而，既有研究多停留在静态序列层面，缺乏对生成序列结构稳定性与构象动力学的动态验证。针对这一问题，研究人员构建了计算机模拟（in silico）筛选流程，将Finenzyme生成与分子动力学（molecular dynamics，MD）模拟相结合，系统评估生成酶的结构稳定性、折叠正确性以及潜在催化能力。该研究发表于《Frontiers in Artificial Intelligence》。

二、研究内容与总体结论
研究人员针对四个EC类别（1.1.1.1醇脱氢酶、2.1.1.37 DNA(胞嘧啶-5)-甲基转移酶、5.4.99.5分支酸变位酶、6.3.4.15生物素蛋白连接酶）的酶进行序列生成，经新颖性、结构质量与折叠确认三重筛选后，对236条生成酶序列开展MD模拟（单次250 ns，总模拟时间59 μs）。结果表明，74–95%的模型在整个模拟轨迹中维持稳定三级结构与正确折叠，其中195/236（82.6%）持续稳定；163/236（69.1%）展现出与潜在催化能力兼容的结构特征。较低生成自由度（p=0.5）下产生的序列在稳定性（85.4% vs 75.2%）与潜在催化能力（71.9% vs 61.5%）方面均优于高自由度（p=0.75）序列。

三、关键方法概述
研究人员采用Finenzyme框架（基于ProGen条件Transformer语言模型进行微调）生成酶序列，蛋白序列数据来源于UniProt数据库，参考晶体结构检索自蛋白质数据银行（PDB）。生成采用核采样（nucleus sampling）参数p=0.5和p=0.75。随后通过三重过滤筛选：基于BLASTp最大序列一致性≤80%的新颖性过滤、基于ESMFold预测置信度（pLDDT）>0.8的结构质量过滤、基于Foldseek比对TM-score≥0.8的折叠确认过滤。对筛选后的序列使用Amber24软件（ff14SB力场、TIP3P水模型）进行250 ns的MD模拟，并以各自参考蛋白的μ+σ（均方根偏差RMSD、均方根涨落RMSF）与μ+2σ（回转半径RoG、溶剂可及表面积SASA）统计阈值为基准评估稳定性与潜在催化能力。

四、主要研究结果
4.1 EC 1.1.1.1（醇脱氢酶）
以铜绿假单胞菌醇脱氢酶晶体结构1LLU为参考。对p=0.75生成的189条序列中随机选取的