格拉茨工大公佈定製蛋白設計法：用 AI 加速構建生物催化劑

想在自然界裡找一種能分解塑膠或精準合成靶向藥的酶，過去就像在幾萬件現成舊衣服裡挑挑揀揀，剪下袖子縫到另一件領子上。

奧地利格拉茨工業大學（TU Graz）生物化學研究所的 HelixMold 專案團隊，完成了一套完全在電腦上按需設計人造蛋白質的新管線。這套方案不再依賴改造自然界已有的酶，而是直接根據化學反應的需求，在計算機裡把蛋白質「捏」出來。

圍著催化中心，給蛋白質「量身塑形」

專案負責人 Gustav Oberdorfer 介紹，過去科研人員往往要從蛋白質資料庫裡擷取已知片段，再用蒙特卡洛隨機抽樣模擬去拼裝。問題在於，即便零件再像，組裝後怎麼摺疊也是個黑盒。

HelixMold 最初從 1953 年 Francis Crick 提出的引數化設計思路找靈感，通過數學引數直接控制原子位置，在電腦裡一次性生成數萬種只有微小差異的蛋白質骨架。

隨後，研究人員會在這些骨架中篩選出能在幾何空間上容納「催化活性中心」的結構。只要關鍵反應位點確定下來，專用模擬軟體就會圍繞著它去擺放其他胺基酸，直到整體相互作用能降到最低。

為了解決蛋白質中最難預測、卻又關乎功能的柔性環區（loops），團隊成員 Florian Wieser 還專門訓練了一個 AI 模型。該模型學習了數千個通過實驗測定的真實環區結構，專門負責在設計過程中把關質檢。

AI 爆發，倒逼實驗管線中途變軌

有意思的是，這個專案也見證了蛋白質工程最近幾年的技術變遷。

在專案推進過程中，AlphaFold 和 RoseTTAFold Diffusion 等生成式 AI 相繼爆發。Oberdorfer 直言，現代 AI 方法徹底顛覆了結構預測與生成，導致他們最初倚重的引數化設計在後期已經退居次要位置。

不過團隊迅速把這些機器學習進展吸收到管線裡。核心邏輯依然沒變：先理解化學反應本身，在電腦裡敲定活性中心，再把整個人造蛋白塑形出來。這讓他們完成計算的速度大幅提升。

為什麼重要

從尋找天然蛋白到按需逆向設計，是計算生物學近年來最關鍵的一步跨越。

對於工業生物催化和藥物研發團隊來說，這套方法的現實價值很明確。比如處理纖維素等生物聚合物的工業降解，自然界演化出來的天然酶效率往往很有限，如果能圍繞特定化學鍵直接定製催化中心，就能大幅縮短尋找候選分子的週期。

我們認為，這項研究最聰明的地方在於它對技術迭代的務實態度。他們沒有死守最初規劃的經典引數化建模，而是把自己的幾何篩選管線與後來的生成式 AI 工具無縫嫁接，甚至針對最易出錯的柔性環區單獨用 AI 做質檢。

不過，計算機裡設計得再完美，最終還是得看體外表達和實際催化活性。從演算法輸出的結構檔案到實驗室發酵罐裡的高活性分子，中間依舊有一道極寬的實驗驗證鴻溝，這看起來仍是這項技術走向規模化應用的最大考驗。