Nature | 从头设计皮摩尔级别亲和强度的多肽结合蛋白

Nature | 从头设计皮摩尔级别亲和强度的多肽结合蛋白 by iDRUGS

华盛顿大学(University of Washington,Seattle)/HHMI David Baker等研究人员综合利用传统以及基于深度学习的方法来设计特异靶向螺旋形多肽的结合蛋白[1], [2]；发现基于深度学习的RFdiffusion方法非常有前景[3]，因为它既能优化通过其它方法设计的结合蛋白（通过partial diffusion），还能完全从头设计出亲和强度高达皮摩尔级别的结合蛋白，这也是直接计算设计（不经湿实验优化）出的最大亲和强度的蛋白/多肽/小分子结合蛋白[4]。

RFdiffusion通过 “关键位置优化（部分扩散 (partial diffusion)）” (I); 或者 “从头设计” 的策略(II)设计高亲和多肽结合蛋白[4]。

进一步，研究人员结合新设计的多肽结合蛋白，开发了：1. 多肽 “感应器” ；2. 富集血液中特异多肽来质谱检测的方法[4]。

多肽结合蛋白用于开发“感应器”或者“多肽富集元件”[4]。

该项工作2023年12月18日发表在nature[4]。

Comment(s):

将来进一步引入湿实验优化（特别是在RFdiffusion优化前）更让人期待。

另外，将来如何多样化结合方式，在更大的库里面选择特异性强的结合蛋白，是需要考虑的方向。

Last Author Info:

https://scholar.google.com/citations?user=UKqIqRsAAAAJ&hl=en

参考文献：

[1] J. Wang et al., “Scaffoldingprotein functional sites using deep learning,” Science (80-. )., vol.377, no. 6604, pp. 387–394, Jul. 2022, doi: 10.1126/SCIENCE.ABN2100.

[2] J. Dauparas et al., “Robustdeep learning–based protein sequence design using ProteinMPNN,” Science(80-. )., vol. 378, no. 6615, pp. 49–56, Oct. 2022, doi:10.1126/SCIENCE.ADD2187/SUPPL_FILE/SCIENCE.ADD2187_SM.PDF.

[3] J. L. Watson et al.,“De novo design of protein structure and function with RFdiffusion,” Nature,pp. 1–3, Jul. 2023, doi: 10.1038/s41586-023-06415-8.

[4] S. V. Torres et al.,“De novo design of high-affinity binders of bioactive helical peptides,” Nature,no. June 2021, pp. 0–1, Dec. 2023, doi: 10.1038/s41586-023-06953-1.

原文链接：

https://www.nature.com/articles/s41586-022-04654-9

ixxmu / hugo_duty

Nature | 从头设计皮摩尔级别亲和强度的多肽结合蛋白 #381

Nature | 从头设计皮摩尔级别亲和强度的多肽结合蛋白 by iDRUGS