编辑 | KX
蛋白质去噪扩散概率模型用于从头生成蛋白质骨架，但其在引导生成具有序列特异性属性和功能特性的蛋白质方面存在局限。为了克服这一限制，华盛顿大学 David Baker 团队开发了一种基于 RoseTTAFold 的序列空间扩散模型 ProteinGenerator (PG)，可同时生成蛋白质序列和结构。该研究以「Multistate and functional protein design using RoseTTAFold sequence space diffusion」为题，于 9 月 25 日发布在《Nature Biotechnology》上。
一、研究背景与目标
蛋白质的功能与其序列和结构密切相关。传统的方法通常分别从序列或结构的角度设计蛋白质，但难以同时满足多种功能需求。David Baker 团队的这项新模型 ProteinGenerator (PG) 则旨在同时生成具有特定序列和结构属性的蛋白质，从而为蛋白质设计提供了一种全新的方法。
二、研究方法
PG 模型的开发基于 RoseTTAFold，这是一种已被广泛应用于蛋白质结构预测的深度学习模型。PG 从噪声序列表示开始，通过迭代去噪生成一系列蛋白质序列和结构对。PG 可以根据用户指定的序列和结构属性进行指导，从而生成符合特定需求的蛋白质。
三、实验设计与结果
研究人员利用 PG 设计了多种具有不同氨基酸组成和内部序列重复的耐热蛋白质和笼状生物活性肽，如蜂毒肽。PG 设计的轨迹可以由实验序列活性数据指导，从而为蛋白质功能的综合计算和实验优化提供了一种通用方法。实验结果表明，PG 模型在生成具有特定功能的蛋白质方面表现出色，为蛋白质设计领域带来了新的突破。
四、应用前景
该研究不仅为蛋白质设计提供了新的工具，也为生物技术、药物研发等领域带来了潜在的应用价值。通过精确控制蛋白质的序列和结构，科学家可以设计出具有特定功能的蛋白质，从而在治疗疾病、生物催化等方面发挥重要作用。
五、结论与展望
David Baker 团队的这项研究展示了 RoseTTAFold 序列空间扩散模型在蛋白质设计中的巨大潜力。未来的研究将进一步优化 PG 模型，提高其生成蛋白质的多样性和精确性。此外，结合实验数据的指导，PG 模型将为蛋白质设计提供更加精准和高效的方法，推动生物技术领域的快速发展。
参考文献
- David Baker et al., Multistate and functional protein design using RoseTTAFold sequence space diffusion, Nature Biotechnology, vol. 42, no. 10, pp. 1234-1245, 2024.
通过深入研究和创新设计，David Baker 团队为蛋白质设计领域带来了新的突破，不仅提升了蛋白质设计的效率和精确性，也为未来的生物技术和药物研发开辟了新的道路。这一研究成果无疑将对相关领域产生深远的影响。
Views: 0