Cell | 融合结构与进化约束的逆折叠模型促进蛋白质工程新进展

DRUGONE

蛋白质工程通过序列迭代改造实现人工进化，但现有方法成功率低、成本高。研究人员提出了 AiCE（AI-informed Constraints for protein Engineering），一种结合通用蛋白质逆折叠模型与结构、进化约束的新方法。AiCE 能够在不依赖人工经验和任务特定模型的前提下，有效识别高适应性单点和多点突变。研究人员将其应用于 8 个工程任务，包括脱氨酶、核定位序列、核酸酶及逆转录酶，覆盖从几十到上千残基的蛋白，成功率在 11%–88% 之间。同时开发了多种新型碱基编辑器，如 enABE8e（缩窄编辑窗口）、enSdd6-CBE（保真度提高 1.3 倍）和 enDdd1-DdCBE（线粒体活性增强 14.3 倍）。结果显示，AiCE 是一种高效、可扩展且通用的突变设计方法，优于传统方法。

蛋白质工程利用序列变更加速蛋白进化，已在多样化蛋白的改造中取得进展。传统的 结构导向理性设计 成功率有限，常受限于经验，容易陷入局部最优。定向进化 虽然能逐步筛选功能增强的变体，但迭代成本高、过程冗长，并可能遭遇进化瓶颈。近年出现的深度学习方法，能够在零样本或少样本条件下探索庞大的序列空间，设计出潜在突变，但受限于模型训练资源消耗大、跨蛋白泛化能力差，以及对高通量实验验证的依赖。

通用的蛋白质逆折叠模型（如 ESM-IF1、ProteinMPNN）通过学习天然蛋白结构与序列的关系，能够生成与给定骨架兼容的氨基酸序列，被认为是更易获取的工程手段。已有研究表明，直接采样逆折叠模型的输出即可找到高适应性突变。然而，这些尝试主要集中在小型蛋白，对复杂蛋白（如基因编辑相关酶）的应用仍存在挑战。研究人员提出，结合 结构与进化约束 能够释放逆折叠模型在蛋白工程中的潜力，并由此发展了 AiCE 框架。

结果

基于结构约束的逆折叠模型预测高适应性突变

研究人员首先利用逆折叠模型结合结构约束，预测蛋白中的高适应性（high-fitness, HF）突变。通过在不同蛋白工程任务中测试，结果显示该方法能有效区分功能增强突变与中性或有害突变。与传统依赖经验或单纯深度学习的模型相比，AiCE 在命中率和效率上表现更佳。

AiCEmulti：基于进化耦合的多突变设计

单点突变往往不足以实现理想的功能改造。研究人员提出 AiCEmulti，通过引入进化耦合（evolutionary coupling, EC）约束，能够识别在天然序列中协同出现的突变组合。该策略可设计多位点协同突变，并避免功能冲突，从而更大幅度地改善蛋白性能。

利用 AiCE 优化单链 DNA 腺嘌呤脱氨酶

在碱基编辑领域，研究人员将 AiCE 应用于单链 DNA 腺嘌呤脱氨酶的改造，成功设计出编辑窗口更窄的新型变体 enABE8e。这一优化使得碱基编辑的靶向性显著提高，减少了不必要的脱氨反应，提升了编辑的精准性。

增强单链 DNA 胞嘧啶脱氨酶的特异性

研究人员发现，采用非常规的设计思路结合 AiCE 策略，能够提升单链 DNA 胞嘧啶脱氨酶的特异性。最终开发的 enSdd6-CBE 相较已有工具在保真度上提升约 1.3 倍，显著减少了脱靶编辑。

改善双链 DNA 胞嘧啶脱氨酶的环境适应性

双链 DNA 脱氨酶在复杂细胞环境中的稳定性和活性往往受限。研究人员利用 AiCE 策略引入多点突变，获得了适应性更强的变体 enDdd1-DdCBE。该工具在细胞中表现出高达 14.3 倍 的线粒体编辑活性提升，展示了显著的进化改造潜力。

AiCEsingle 支持复杂蛋白的多样化进化

除了脱氨酶类应用，研究人员还将 AiCEsingle 模块扩展到核酸酶、逆转录酶和核定位序列等任务中。无论是小型结构域还是上千残基的复杂酶类，AiCEsingle 都能高效推荐高适应性突变，说明该框架具有广泛适用性和可扩展性。

讨论

研究人员提出的 AiCE 框架，结合了逆折叠模型与结构、进化约束，在蛋白工程中展现出高效性与灵活性。其优势包括：

• 效率提升：减少计算与实验资源消耗；
• 可扩展性强：适用于不同规模和复杂度的蛋白；
• 通用性好：无需为特定任务构建新模型。

通过这一方法，研究人员不仅开发出性能更优的碱基编辑器，还验证了其在广泛蛋白工程任务中的适用性。该研究展示了 AI 与生物约束结合在推动人工蛋白进化方面的巨大潜力，也为今后开发更多高效编辑工具奠定了基础。

整理 | DrugOne团队

参考资料

Fei H, Li Y, Liu Y, Wei J, Chen A, Gao C. Advancing protein evolution with inverse folding models integrating structural and evolutionary constraints. Cell. 2025 Aug 21;188(17):4674-4692.e19. doi: 10.1016/j.cell.2025.06.014. Epub 2025 Jul 7. PMID: 40628259.

内容为【DrugOne】公众号原创｜转载请注明来源