格拉茨工大公布定制蛋白设计法：用 AI 加速构建生物催化剂

想在自然界里找一种能分解塑料或精准合成靶向药的酶，过去就像在几万件现成旧衣服里挑挑拣拣，剪下袖子缝到另一件领子上。

奥地利格拉茨工业大学（TU Graz）生物化学研究所的 HelixMold 项目团队，完成了一套完全在电脑上按需设计人造蛋白质的新管线。这套方案不再依赖改造自然界已有的酶，而是直接根据化学反应的需求，在计算机里把蛋白质「捏」出来。

围着催化中心，给蛋白质「量身塑形」

项目负责人 Gustav Oberdorfer 介绍，过去科研人员往往要从蛋白质数据库里截取已知片段，再用蒙特卡洛随机抽样模拟去拼装。问题在于，即便零件再像，组装后怎么折叠也是个黑盒。

HelixMold 最初从 1953 年 Francis Crick 提出的参数化设计思路找灵感，通过数学参数直接控制原子位置，在电脑里一次性生成数万种只有微小差异的蛋白质骨架。

随后，研究人员会在这些骨架中筛选出能在几何空间上容纳「催化活性中心」的结构。只要关键反应位点确定下来，专用模拟软件就会围绕着它去摆放其他氨基酸，直到整体相互作用能降到最低。

为了解决蛋白质中最难预测、却又关乎功能的柔性环区（loops），团队成员 Florian Wieser 还专门训练了一个 AI 模型。该模型学习了数千个通过实验测定的真实环区结构，专门负责在设计过程中把关质检。

AI 爆发，倒逼实验管线中途变轨

有意思的是，这个项目也见证了蛋白质工程最近几年的技术变迁。

在项目推进过程中，AlphaFold 和 RoseTTAFold Diffusion 等生成式 AI 相继爆发。Oberdorfer 直言，现代 AI 方法彻底颠覆了结构预测与生成，导致他们最初倚重的参数化设计在后期已经退居次要位置。

不过团队迅速把这些机器学习进展吸收到管线里。核心逻辑依然没变：先理解化学反应本身，在电脑里敲定活性中心，再把整个人造蛋白塑形出来。这让他们完成计算的速度大幅提升。

为什么重要

从寻找天然蛋白到按需逆向设计，是计算生物学近年来最关键的一步跨越。

对于工业生物催化和药物研发团队来说，这套方法的现实价值很明确。比如处理纤维素等生物聚合物的工业降解，自然界演化出来的天然酶效率往往很有限，如果能围绕特定化学键直接定制催化中心，就能大幅缩短寻找候选分子的周期。

我们认为，这项研究最聪明的地方在于它对技术迭代的务实态度。他们没有死守最初规划的经典参数化建模，而是把自己的几何筛选管线与后来的生成式 AI 工具无缝嫁接，甚至针对最易出错的柔性环区单独用 AI 做质检。

不过，计算机里设计得再完美，最终还是得看体外表达和实际催化活性。从算法输出的结构文件到实验室发酵罐里的高活性分子，中间依旧有一道极宽的实验验证鸿沟，这看起来仍是这项技术走向规模化应用的最大考验。