AI导读：

2024年诺贝尔化学奖得主David Baker团队通过AI模型结合，成功设计出能催化多步骤化学反应的酶，为酶设计领域带来重大突破，将对生物催化、医药及工业应用产生深远影响。

·研究团队提出了他们未来研究的两大方向：一是开发降解塑料的酶，二是探索AI制造的其他功能酶在治疗上的潜力。长远目标是构建合适的酶来降解人体内任意蛋白质，这可能引领新的、更精准的疗法，甚至针对当前无法触及的治疗目标。

近年来，人工智能（AI）在蛋白质设计领域取得了显著成果，但完全自主设计蛋白质仍面临巨大挑战。2024年诺贝尔化学奖得主之一、美国华盛顿大学的David Baker团队在《科学》杂志发表论文，通过两项AI模型的结合，成功设计出能催化多步骤化学反应的酶。研究团队认为，这是突破传统限制、从头设计酶的新方法，不仅在该领域取得重大突破，也为未来设计更多新型酶提供了新思路和方法，将对生物催化、医药及工业应用产生深远影响。

酶作为生命体中的“分子机器”，高效催化化学反应，设计能催化任意反应的酶具有广泛应用前景。然而，多步骤催化反应的酶设计一直是巨大挑战。天然酶能催化多步骤反应，但此前AI设计的酶通常在第一步后就停滞。

在最新《科学》论文中，David Baker团队利用AI从头设计了具有复杂活性位点的丝氨酸水解酶。丝氨酸水解是一个四步反应，涉及酯键破坏，参与消化、脂肪代谢和血液凝固等生物学过程。四个步骤均需活性位点精密排布和动态预组织，对人工设计提出极高要求。

团队先使用2023年发表的重磅模型RFdiffusion，基于深度学习设计蛋白质，从随机噪声状态开始，逐步减少噪声，引导生成目标蛋白质结构。RFdiffusion解决活性位点排布后，团队再用PLACER模型解决预组织问题，通过模拟蛋白质与小分子相互作用，生成多种可能构象集合，反映蛋白质反应过程中的动态变化，为评估设计酶的催化效率提供全面信息。

结合这两种模型，团队从头设计的酶完成了丝氨酸水解的所有四步，催化效率提升6万倍。但研究指出，这只是概念验证，与天然酶相比，效率仍有不足。团队计划调整酶结构，提高催化效率，接近实际应用。

未来研究方向还包括开发降解塑料的酶和探索AI制造的其他功能酶的治疗潜力。实验室成员Sam Pellock表示，在治疗领域，蛋白酶值得关注。长远目标是构建合适的酶降解人体内任意蛋白质，引领新的、更精准的疗法。

（文章来源：澎湃新闻）