DeepMind 发布 AlphaProtein Novo：AI 从零设计全新酶，已开源

AlphaProtein Novo 是 Google DeepMind 开源的一套机器学习管线，专门用来从零设计自然界中不存在的全新酶。

以往如果我们想要一种酶来催化某种特定化学反应，通常只能在自然界现成的酶库里筛选，再通过漫长的突变实验去微调。AlphaProtein Novo 打破了这个限制，你可以直接给它一个目标反应，让它从物理第一性原理出发，从头生成能干活的全新酶分子。

它能做什么

这套工具最大的特点是端到端生成。它不仅能设计出蛋白质骨架的三维空间结构，还能同步生成与其匹配的氨基酸序列。

在实际湿实验验证中，研究人员用它设计出了一种全新的氮烯转移酶，用于合成药物制造中常见的重要药效团哌啶（piperidine），并实现了前所未有的产物选择性。

另一个实验则更贴近环保应用：它设计出了一种能够高效分解环境污染物 DEHP（一种常见塑料增塑剂）的全新酶。实验表明，这种人工设计的酶甚至能在天然酶完全变性失效的严苛条件下稳定工作。在两项经典模型催化反应测试中，它也拿到了业界领先的催化效率。

核心机制与开源状态

AlphaProtein Novo 能够在实际催化活性上超越传统天然序列挖掘，核心在于它引入了结合反应机理的评估机制。

它在设计骨架时利用基于 AlphaFold 3 预测的机制评分，并结合序列系综打分来筛选骨架。模型在生成三维结构的同时，会持续预测该结构如何折叠、以及它如何与目标反应底物精准结合，从而保证设计出来的分子在真实世界里具有真正的催化活性。

目前这篇预印本论文已经发布在 bioRxiv 上，尚未经过同行评审。DeepMind 已经把整个项目的代码放上了 GitHub，仓库中包含完整的下载配置与运行指引，供计算生物学和药物研发人员在本地部署测试。

为什么重要

对于生物化学家、药物研发团队和合成生物学开发者来说，AlphaProtein Novo 是目前少数真正跑通了「从零设计」并经过湿实验严格验证的酶工程工具。如果你平时受限于天然酶的活性或稳定性，现在就可以去 GitHub 下载代码尝试设计针对非天然底物的催化剂。

我们认为，这一步的意义在于将蛋白质设计从「结构预测」推进到了「功能制造」。以往 de novo 酶设计往往停留在理论模型或极低活性水平，而结合 AlphaFold 3 验证后，计算设计已经展现出超越天然酶筛选的潜力。不过需要留意的是，该研究目前仍处于早期预印本阶段，实际应用于工业化量产前，依然需要针对特定底物进行漫长的实验室验证与表达优化。