Nature：从“大海捞针”到“单发即中”！BindCraft如何将蛋白结合物设计的成功率提升千倍？

从 黑暗时代 到AI曙光：蛋白质设计的漫漫征途

要理解 BindCraft 的革命性，我们先来回顾一下蛋白质设计那段充满挑战的 史前史 。

1. 经验与运气的赌局：传统方法的局限

在计算科学介入之前，创造新的蛋白质结合物主要依赖于两种策略：免疫 (immunization)和定向进化 (directed evolution)。

免疫，即我们所熟知的抗体 (antibody) 制备，本质上是 借用 动物的免疫系统。通过将目标蛋白质注射到动物体内，诱导其产生能够结合该目标的抗体。这个过程虽然经典，但周期漫长、成本高昂，且我们对最终产物的控制力非常有限。我们无法精确指令动物的免疫系统： 请为我制造一个能结合在这个特定位点、并且有如此这般特性的抗体。 我们更像是在向大自然 下单 ，然后等待一份充满未知的 盲盒 快递。

定向进化则更像是一场大规模的 暴力破解 。研究人员会先构建一个巨大的蛋白质突变库，可能包含数百万甚至数十亿种不同的变体，然后通过高通量的筛选技术，从中 淘 出具备所需功能的分子。这个过程就像让无数只猴子在打字机前随机敲打，期望其中一只能够碰巧敲出一部莎士比亚戏剧。它确实能够产生优秀的蛋白质，但其背后是巨大的资源消耗和时间成本，且同样缺乏对设计过程的精确控制。

2. 物理规则的枷锁：早期计算设计的挣扎

随着计算机能力的增强，研究人员开始尝试用计算的方法来理性设计蛋白质，其中最著名的代表就是Rosetta软件。Rosetta 的核心思想是基于物理化学原理，通过计算能量函数来评估一个蛋白质结构是否稳定，以及两种蛋白质之间的结合是否 有利 。它允许研究人员在一个固定的目标蛋白结构上，像搭积木一样尝试拼接不同的 骨架 (scaffold) ，并优化侧链氨基酸，试图找到一个能量最低、最匹配的结合方案。

Rosetta 无疑是蛋白质设计领域的先驱，它将这一领域从纯粹的实验试错带入了理论预测的时代。然而，物理模型本身的复杂性和计算的局限性，使得 Rosetta 的成功率一直不甚理想。正如该论文引言中提到的，这类物理方法的实验成功率通常低于0.1%。这意味着，研究人员可能需要在计算机上设计并筛选成千上万个候选分子，然后到实验室中测试上百个，最终可能只有一个能够勉强起作用，甚至全军覆没。这种极低的 命中率 严重制约了计算蛋白质设计的实际应用。

3. 深度学习的降临：从 预测者 到 创造者 的门槛

一切的转折点发生在AlphaFold2横空出世的时刻。AlphaFold2 是一个基于深度学习的AI模型，它能够以前所未有的准确度，仅根据蛋白质的一维氨基酸序列，预测其复杂的三维空间结构。它就像一位能够生命 天书 的先知，彻底解决了蛋白质结构预测这一困扰生物学界半个世纪的难题。

AlphaFold2 的出现，为蛋白质设计带来了新的曙光。研究人员很快意识到，既然这个 先知 能判断一个设计出来的结构是否合理，那么就可以用它来做 过滤器 。例如，一些新兴的AI设计方法，如RFdiffusion，能够像一位富有想象力的艺术家一样， 幻觉 出全新的蛋白质骨架。然后，再将这些设计稿交给 AlphaFold2 这位 评审 ，筛选出那些看起来最可能正确折叠并与目标结合的方案。

这种 生成+过滤 的模式，已经极大地提高了成功率。但它依然存在一个内在的 鸿沟 ：生成骨架的AI和评估复合物的AI是分离的，二者之间缺乏直接的对话。这就像一位建筑师画了草图，然后交给结构工程师去计算，如果不行就推倒重来，效率依然有提升空间。研究人员们不禁思考：我们能否更进一步，不只是让AlphaFold2当一个 评审员 ，而是直接 教 它如何去 创作 ？

这正是 BindCraft 所要回答的问题。

入侵 先知的大脑：BindCraft巧妙的核心机制

BindCraft 的设计哲学，可以用 化预测为创造 来概括。它没有另起炉灶开发一个全新的生成模型，而是巧妙地 改造 并 驾驭 了AlphaFold2本身，让这位强大的 预测者 转变为一个高效的 创造者 。其核心武器，是一种被称为反向传播 (backpropagation)的深度学习技术。

我们可以用一个比喻来理解这个过程。

想象一下，AlphaFold2 就是一位顶级的围棋AI。你给它一个棋局（蛋白质序列），它能预测出最终的胜负（结构是否稳定，结合是否良好）。

传统的 生成+过滤 模式，就像是你随机摆出成千上万个棋局，然后一个个问这位AI： 这个能赢吗？ AI会告诉你 能 或 不能 。这种方式虽然比你自己瞎摆要好，但依然很盲目。

而 BindCraft 的做法则完全不同。它一开始也随机给出一个 棋局 （一个随机的binder序列），然后让AlphaFold2去预测结果。AlphaFold2 预测完后，可能会得出一个很差的 分数 （例如，预测的结合界面很糟糕，结构也不稳定）。此时，关键的一步来了：BindCraft 会计算这个 糟糕的分数 与 完美分数 之间的 误差 ，然后将这个 误差信号 像电流一样，反向传导回AlphaFold2网络的每一层神经元。

这个反向传播的误差信号，实际上是在告诉AI： 你错了，错在这里、这里、还有这里。为了减小这个错误，你必须调整你的输入（也就是那个随机的binder序列）。 于是，AI被迫在下一次迭代中，对binder的氨基酸序列做出微小的、有目的性的修改。这个 预测-计算误差-反向传播-修改输入 的过程会循环往复。

每一次循环，binder的序列都会被优化得更好一点，AlphaFold2预测出的 分数 也会更高一点。这个过程就如同一个学徒在不断地练习，而他的老师（误差信号）在每一次练习后都精准地指出他的错误，并指导他如何改进。经过数百次的迭代优化，最初那个随机、无意义的序列，就会逐渐 进化 成一个能够与目标蛋白形成高度匹配、稳定结合界面的全新蛋白质。研究人员将这个由AI自我优化的过程，生动地称为 幻觉 (hallucination) 。

更巧妙的是，BindCraft 在这个过程中引入了一个传统方法难以企及的优势：靶点灵活性(target flexibility)。

在过去的设计方法中，目标蛋白通常被视为一个刚性的 锁 ，设计师需要做的就是为它配一把同样刚性的 钥匙 。但生物分子在现实世界中是动态的、柔软的，它们在结合时常常会发生微小的构象变化，即所谓的 诱导契合(induced fit) 。BindCraft 在每一次迭代中，都会重新预测整个 binder-靶点 复合物的结构，而不仅仅是binder本身。这意味着，它允许目标蛋白在设计的过程中，为了更好地适应binder而发生轻微的 形变 。根据研究数据，这种 形变 的幅度（以原子主链的均方根偏差，r.m.s.d.ca，来衡量）可以在0.5埃 ( ) 到5.5埃之间。这使得 BindCraft 设计出的钥匙，不仅能开一把静态的锁，更能适应一把会 呼吸 、会 抖动 的真实的生物锁，从而大大提高了设计的成功率和亲和力。

通过这一系列巧妙的机制，BindCraft 将蛋白质设计从一场低概率的赌博，变成了一项高成功率的精密工程。

实战演练场：BindCraft在生物学前沿的 跨界首秀

理论的优雅，最终需要通过实践来检验。研究团队选择了一系列极具挑战性、涵盖了从基础研究到临床应用的12个不同蛋白质靶点，来全面测试BindCraft的威力。其结果令人瞩目。

1. 为免疫系统 松绑 ：打造癌症治疗的新一代利器

在领域，PD-1及其配体PD-L1是最著名的 免疫检查点 (immune checkpoint) 之一。常常会高表达PD-L1，它就像是癌细胞举起的一面 白旗 ，与T细胞表面的PD-1结合后，会告诉T细胞： 我是自己人，不要攻击我。 这使得癌细胞能够逃脱免疫系统的监视和清除。目前，靶向PD-1/PD-L1的抗体药物已经成为多种癌症的标准疗法。

研究人员使用 BindCraft 分别针对人源PD-1和PD-L1设计了全新的蛋白结合物。

针对PD-1，他们从计算设计的众多方案中，选择了53个进行实验测试。结果显示，其中有13个设计成功地与PD-1结合，成功率达到了约25%。其中亲和力最强的binder2，其表观解离常数 (apparent dissociation constant, K*)低于1纳摩尔 (nM)。这是一个非常惊人的数值，意味着结合极其紧密、稳定，达到了顶级抗体药物的水平。

针对PD-L1，结果更加出色。研究人员测试了9个设计，其中7个都表现出结合活性，成功率高达78%！亲和力最高的binder4，其解离常数也达到了615 nM的水平。

要知道，这些binder都是从零开始、纯由AI 凭空 设计出来的，没有经过任何后续的实验优化。这种从计算设计直接到纳摩尔级别亲和力、并且成功率如此之高的 一步到位 ，在过去是不可想象的。它有力地证明了BindCraft在设计高亲和力药物分子方面的巨大潜力。

2. 让过敏反应 静音 ：从源头中和恼人的过敏原

过敏是困扰全球数亿人的健康问题。其根源在于免疫系统对一些本应无害的物质，如花粉、尘螨等，产生了过度的反应，释放出大量的IgE抗体。

研究人员将目光投向了三种主要的过敏原：尘螨过敏原Der f 7和Der f 21，以及导致春季花粉过敏的 元凶 桦树花粉过敏原Bet v 1。这些过敏原通常表面带有大量电荷，结构复杂，是计算设计的 硬骨头 。

BindCraft 再次展现了它的实力。例如，针对 Der f 7，研究人员测试了10个设计，其中4个成功结合。他们还成功解析了其中最优秀的binder2与Der f 7复合物的晶体结构。令人振奋的是，实验解析出的真实三维结构，与当初AI在计算机里设计的模型惊人地一致，两者重叠后的主链原子均方根偏差仅为1.7埃！这相当于在一个跨越数千万原子的尺度上，实现了原子级的精准预测和设计。这证明了，AI不仅仅是在 猜 一个模糊的形状，而是在以物理现实允许的最高精度，进行分子级别的 创造 。

更具临床意义的实验，是针对桦树花粉过敏原 Bet v 1 的设计。研究人员成功设计出了能够结合 Bet v 1 的binder2，其亲和力为120 nM。随后，他们进行了一项巧妙的体外实验：他们从三位对桦树花粉过敏的患者血液中提取了血清，这些血清里富含能够识别Bet v 1的IgE抗体。然后，他们用AI设计的binder2预先与Bet v 1结合。结果发现，这个小小的、由AI设计的蛋白质，能够将在两个捐赠者的血清中高达50%的IgE抗体 拒之门外 ，阻止它们与过敏原结合。虽然这个效果相比商业化的、由三种不同抗体组成的 鸡尾酒 疗法（能阻断90%）还有差距，但考虑到这仅仅是一个单一的、未经优化的设计，它已经展现出了作为新型抗过敏疗法的巨大潜力。

3. 为基因魔剪 上锁 ：精准调控CRISPR-Cas9的活性

CRISPR-Cas9基因编辑技术被誉为 基因魔剪 ，它为治疗遗传病带来了革命性的希望。但正如任何一把锋利的工具，它也需要一把 安全锁 ，以防止 脱靶 效应或在不需要的时候过度编辑。

研究人员挑战了一个非常困难的任务：为Cas9蛋白上一个高度带电的、负责结合向导RNA (guide RNA) 的关键区域（REC1结构域）设计抑制剂。这个区域是传统小分子药物难以靶向的 不可成药 (undruggable) 靶点。

BindCraft 成功地设计出了一系列能够结合该位点的binder。在人类胚胎肾细胞 (HEK293T cells) 中进行的基因编辑实验表明，这些从零开始设计的binder，能够显著降低Cas9的基因编辑活性，其抑制效果甚至优于一些自然界中存在的天然抗CRISPR蛋白 (anti-CRISPR proteins, Acrs)。

这项成功不仅为CRISPR技术的安全应用提供了全新的工具，更重要的是，它证明了BindCraft有能力攻克那些被认为 不可成药 的、具有挑战性的蛋白质表面，为药物研发开辟了全新的战场。

终极快递任务：为病毒装上 分子GPS ，实现靶向基因递送

如果说以上应用已经足够震撼，那么BindCraft在基因治疗领域的应用，则堪称 封神 之作。

基因治疗的常用载体之一是腺相关病毒 (Adeno-associated virus, AAV)。它像一个纳米级的 快递员 ，可以将治疗性的基因 包裹 并递送到细胞内。然而，天然的AAV存在一个重大缺陷：它缺乏特异性，像一个 无差别派送 的快递员，会进入各种类型的细胞，包括健康的组织和器官，这不仅降低了治疗效率，还可能引发不必要的副作用。

如何为AAV装上一个精确的 导航系统 ，让它只去我们想让它去的地方？这是基因治疗领域一个亟待解决的核心难题。

研究团队提出了一个大胆而巧妙的设想：利用BindCraft为AAV病毒的衣壳蛋白 (capsid protein) 设计并 焊接 上一个全新的binder，这个binder能特异性地识别只在特定细胞（如癌细胞）表面表达的 路标 蛋白。

他们首先对AAV6病毒进行了 去靶向化 改造，通过引入几个点突变，敲除了它与细胞表面天然受体（硫酸乙酰肝素和唾液酸）的结合能力，把它变成了一个 迷路 的病毒。

然后，他们利用BindCraft，分别针对两种在癌细胞上高表达的蛋白：HER2和PD-L1，设计了一系列微小的binder。这些binder被设计成能够直接整合到AAV的衣壳蛋白上，成为病毒新的 眼睛 和 手 。

实验结果堪称惊艳。他们构建了一系列携带不同binder的重组AAV病毒，用于感染两种细胞：一种是稳定过表达靶点蛋白（如PD-L1）的细胞，另一种是不表达的对照细胞。

在针对PD-L1的实验中，表现最好的一个AAV变体（PD-L1-b202），在感染PD-L1阳性细胞时的效率，是感染阴性细胞效率的整整100倍！这意味着，这个经过AI改造的病毒，已经具备了高度的 细胞识别能力 ，它会优先地、高效地将基因递送到目标细胞中，而很大程度上忽略非目标细胞。

这不仅仅是效率的提升，这是从 霰弹枪 到 狙击步枪 的质的飞跃。它展示了一条通往更安全、更高效的靶向基因治疗的清晰路径。BindCraft的高成功率意味着，研究人员可以快速地为任何感兴趣的细胞表面受体设计靶向病毒，从而极大地加速个性化基因疗法的开发进程。

意图生物学 的黎明：当设计生命分子成为一种日常

BindCraft 的诞生，其意义远不止于提供了一个强大的新工具。它标志着一个新时代的开启，一个我们可以称之为 意图生物学 (intentional biology) 的时代。

从 筛选 到 设计 的哲学转变

BindCraft 最核心的贡献，是它所代表的 单发即中 (one design-one binder) 的设计哲学。在过去，生物学研究和药物开发在很大程度上依赖于 筛选 ：从自然界中筛选，从庞大的化合物库或抗体库中筛选。这是一个被动的、依赖于概率和运气的过程。而BindCraft让我们第一次能够以如此高的成功率，主动地、有 意图 地去创造一个我们想要的分子，来实现一个我们预设的功能。这种从被动筛选到主动设计的转变，是生命科学研究范式的一次深刻变革。它将极大地解放研究人员的生产力，将他们从繁琐、重复的筛选工作中解放出来，专注于更具创造性的科学问题。

技术的 民主化 ：赋能更广泛的科学社群

论文中特别强调，BindCraft 是一个 开源且自动化的流程 (open-source and automated pipeline) 。这意味着，全世界任何一个具备基本计算生物学能力的实验室，都可以免费获取并使用这个工具，来为自己的研究课题设计定制化的蛋白质工具。它不再是少数顶尖蛋白质设计中心的 独门秘技 。这种技术的 民主化 ，将极大地激发整个生命科学领域的创新活力。一个研究的团队，可以为他们的靶点设计特异性探针；一个研究植物抗逆性的团队，可以设计分子来调控关键的信号通路。科学创新的门槛被前所未有地降低了。

前方的道路：挑战与机遇并存

当然，BindCraft 也并非完美。正如研究人员在论文结尾处坦诚地指出的，它也存在一些局限。例如，目前用来评估和排序设计方案的核心指标（i_pTM分数），虽然能很好地预测一个binder 能否结合 ，但还不能准确地预测它结合的 强度 如何（即亲和力的高低）。此外，所有从零开始设计的人工蛋白质，都面临着一个潜在的挑战：免疫原性 (immunogenicity)。当这些 非天然 的蛋白质被引入人体时，是否会引发免疫系统的排斥反应，这是一个需要在临床前模型中被仔细评估的问题。

然而，这些挑战恰恰也指明了未来的研究方向。随着AI模型的不断迭代，我们有理由相信，未来的BindCraft不仅能设计出结合物，还能精准预测其亲和力、溶解度、稳定性乃至免疫原性。

我们正站在一个激动人心的历史节点。以BindCraft为代表的AI设计工具，正在赋予我们一种前所未有的能力，以原子级的精度，去阅读、书写甚至重构生命的语言。这不仅仅是关于更有效的药物、更精准的或更安全的基因治疗，这是关于人类与自然界关系的重新定义。我们正在从生命的 观察者 ，逐渐转变为生命的 共创者 。而这，仅仅是一个开始。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻