AI蛋白质从头设计系统ProteusAI深度：不依赖天然模板从零生成全新功能蛋白

AI蛋白质从头设计系统ProteusAI深度：不依赖天然模板从零生成全新功能蛋白

蛋白质设计领域正在经历一场从「改造自然」到「创造自然」的范式转变。2030年11月27日，苏黎世联邦理工学院（ETH Zurich）人工智能生物学实验室在《自然·生物技术》发表论文，正式发布ProteusAI蛋白质从头设计系统。

与此前的AlphaFold和RoseTTAFold预测天然蛋白质结构不同，ProteusAI的目标是设计自然界中从未存在过的全新蛋白质。系统接受功能描述作为输入——例如「能在80摄氏度下催化纤维素水解」——然后生成满足该功能的氨基酸序列及其三维折叠结构。

技术架构

ProteusAI的核心是一个三层生成架构。第一层「功能编码器」将自然语言描述的功能需求转化为数学表征；第二层「结构生成器」基于扩散模型生成蛋白质骨架；第三层「序列优化器」在满足结构约束的前提下寻找最优氨基酸序列。

研究团队负责人Anna Müller教授透露，ProteusAI在训练阶段吸收了蛋白质数据库（PDB）中所有已解析结构的21万条记录，以及UniProt中超过2.5亿条蛋白质序列。「关键突破在于第三层，」Müller解释，「此前的系统生成的序列往往在理论上可行但实际无法折叠。我们的优化器将实验验证通过率从不到5%提升到了67%。」

已验证的设计成果

论文报告了12种通过湿实验验证的全新蛋白质设计，涵盖三个应用方向：

工业酶：两种耐高温纤维素酶，在80摄氏度下活性比天然酶高出3倍，可用于第二代生物燃料生产。

药物靶点结合蛋白：三种能精确结合PD-L1蛋白的迷你蛋白，分子量仅为抗体的十分之一，有望用于肿瘤免疫治疗。

自组装纳米结构：七种能自发组装成指定几何形状的蛋白质笼状结构，可用于药物递送和疫苗载体。

在药物靶点结合蛋白方向，ETH团队已与诺华制药签署合作研究协议。诺华蛋白质工程主管Thomas Weber表示：「ProteusAI设计的PD-L1结合蛋白在动物实验中展示了与现有抗体相当的亲和力，但分子量小得多，组织穿透性更好。」

与现有方法的对比

蛋白质从头设计并非全新概念。华盛顿大学David Baker实验室长期使用Rosetta软件进行蛋白质设计，但通常需要人类专家反复迭代调整。ProteusAI的自动化程度更高——在对比测试中，设计一个功能性酶的时间从Rosetta的平均6个月缩短至ProteusAI的3周。

「ProteusAI不是取代Rosetta，而是在Rosetta的物理模拟基础上叠加了生成式AI能力，」Müller强调，「物理约束确保设计在热力学上可行，生成式模型负责探索人类直觉难以触及的序列空间。」

局限性

系统目前的主要局限在于膜蛋白设计。膜蛋白占人类蛋白质组的30%，也是最重要的药物靶点类别之一，但ProteusAI对跨膜区域的设计准确率仅为28%。「膜蛋白的环境极其复杂——脂质双层、水相、界面区域各有不同的物理化学规则，」Müller承认，「这是我们下一步的重点攻关方向。」

伦理方面，批评者担忧从头设计的蛋白质可能被用于开发生物武器。Müller回应称，系统内置了功能筛查模块，会拒绝生成已知毒素或病原体相关的设计请求，但她承认这种筛查机制并非万无一失。

ProteusAI的学术版代码已在GitHub开源，商业授权正在洽谈中。ETH团队预计在2031年中期发布针对膜蛋白设计的专项优化版本。