金属蛋白酶的从头计算设计

蛋白酶如何识别并切割特定底物，长期主要靠研究天然酶来回答：对丝氨酸蛋白酶的结构导向突变分析揭示了底物结合亚位点相互依赖、远端结构元件与结合水分子共同塑造特异性 ^[1]，定向肽库技术则可快速测绘蛋白酶家族的切割位点基序 ^[4]。在设计一侧，RFdiffusion 作为通用深度学习框架已能完成酶活性位点支架搭建与金属结合蛋白设计等任务 ^[2]，并拓展至原子精度的抗体从头设计 ^[5]。但人工金属酶此前多立足小分子化学：2011年的设计金属水解酶虽以锌为催化离子，其展示的反应却是对硝基苯乙酸酯水解与CO₂水合 ^[3]；锌结合蛋白也被改造为催化非天然杂Diels–Alder反应的Lewis酸 ^[6]。柔性肽底物难以被精确结合，使面向肽类底物的金属蛋白酶设计长期停滞，论文作者自己也点明了这一痛点 ^[7]。

2026年10月14日在线发表于Nature的这项研究，用RFdiffusion方法从头设计出在紧邻肽底物结合口袋处携带锌基催化位点的蛋白，这些位点能活化水分子，由此获得高活性且可编程的蛋白酶，作者提出其在治疗、生物技术与生物修复中具有应用潜力。据2025年11月的预印本，设计从最小催化基序出发，使用经微调的RoseTTAFold Diffusion 2网络 ^[8]；据报道，Baker实验室已公开包含RFdiffusion2酶设计教程与金属水解酶设计演示流程的代码 ^[9]。

这项工作把RFdiffusion早期展示的活性位点支架能力 ^[2] 推进到肽键水解这一高要求反应上：与以往人工金属水解酶相比，底物从小分子酯 ^[3] 变为肽类，催化位点与底物结合口袋在设计中被刻意相邻排布。特异性因此不再依赖事后的测绘与试错改造 ^[1][4]，而有望在设计阶段被编程指定——这延续了“以从头设计复现金属酶功能”的路线 ^[3][6]，却把落点放在蛋白酶最核心的属性，即底物选择性的可定制性上。

就现有材料看，摘要层面尚无具体的活性数值、底物谱与选择性数据，治疗等应用前景也远未到验证阶段。既往经验提示，从头设计产物的初始性能往往需要成熟优化，例如RFdiffusion设计的抗体初始亲和力多在数十至数百纳摩尔，须经亲和成熟才达到个位数纳摩尔 ^[5]；类似步骤对这些设计的蛋白酶是否同样必要、产物能否在复杂生物环境中保持精准与稳定，仍是后续必须回答的问题。