Science | 以功能为核心的蛋白质设计

简介: Science | 以功能为核心的蛋白质设计

从头设计可以在蛋白质中创建新型的稳定折叠。但是,建立成功的功能仍然具有挑战性。Che Yang等描述了一种自下而上的方法,该方法中,他们构思了功能性图案周围的结构,然后使用针对性筛选来优化其组成。基于数千个设计图,他们筛选了酵母文库,其中大多数残基限于设计中最常见的残基,但关键核心残基却受到这些设计所限制的有限变异性。该方法使作者能够发现五种折叠,这些折叠可容纳四个不同的结合基序,包括显示两个基序的蛋白质。然后,他们构建了蛋白质,这些蛋白质可作为特定抗体表位的生物传感器,而其他蛋白质则可作为配体来调节哺乳动物细胞中的合成受体。


image.png

image.pngYang, C., Sesterhenn, F., Bonet, J. et al. Bottom-up de novo design of functional proteins with complex structural features. Nat Chem Biol (2021). https://doi.org/10.1038/s41589-020-00699-x


全新蛋白质设计已成为一种强大的方法,以扩大天然蛋白质的数目。以前的研究大多集中在计算模型的结构精度相对于实验确定的结构和热力学稳定性的设计。相比之下,具有明确生化功能的全新蛋白质的设计则远远落后。尽管如此,迄今取得的成功表明,新设计具有改变生物学和生物技术多个领域的潜力,包括设计候选疫苗、基于蛋白质的先导药物、抗病毒药物、pH反应载体等。


设计功能蛋白的一种广泛使用的方法是将功能位点从其原生背景移植到从天然蛋白库或从新设计的结构中提取的异源蛋白上。通常,研究人员把这种两步走的方法称为 "自上而下 "的方法,即首先选择或构建一个稳定的、无功能的骨架,随后将其作为已知功能基团的移植模板。

image.png

功能蛋白质设计的“自上而下”方法存在几个重要限制。一个必要的先决条件是在自然库中具有足够的局部结构相似性以允许移植功能位点的模板结构。因此,除少数例外,移植已经在很大程度上仅限于在天然蛋白经常发现单一的,常规的二级结构。然而,大多数功能位点不包含在单一的,常规螺旋段,而是具有由整体蛋白质结构稳定的多重和常不规则结构段组成的复杂的结构特征。同样,大多数从头蛋白质都具有高含量的规则二级结构,高接触顺序和最小环数。虽然这些蛋白质通常在热力学上非常稳定,但以“功能不可知”的方式设计的从头蛋白质不太可能与不规则的多段功能基序具有足够的局部结构相似性,从而使它们适合于接枝方法。


与这种“自上而下”的方法相反,“自下而上”策略考虑了给定功能性主题的局部结构和全局拓扑要求,无论其复杂性如何,并构建了支持辅助结构元素(SSE)的方法稳定功能位点的天然结构。一些研究使用这样的功能为中心的设计策略,但普及的方法,使结构不同的从头量身定制功能的图案一直缺乏蛋白质的系统化建设。


研究人员使用“自下而上”的设计方法解决了这一瓶颈,产生了五种蛋白质拓扑,这些拓扑经过定制以适应具有复杂结构特征的四个不同功能性基序。设计的蛋白质可充当基于生物发光共振能量转移(BRET)的生物传感器的组成部分,以检测和量化表位特异性抗体,并作为触发工程化哺乳动物受体信号传导的配体。总体而言,在设计过程的早期阶段嵌入功能性基序将允许在从头蛋白质中编码越来越复杂的功能,包括但不限于蛋白质-蛋白质和蛋白质-配体相互作用。

image.png

image.png

目录
相关文章
|
自然语言处理 搜索推荐 算法
SIGIR 2023 | 推荐系统何去何从,经典ID范式要被颠覆?(1)
SIGIR 2023 | 推荐系统何去何从,经典ID范式要被颠覆?
339 0
|
机器学习/深度学习 自然语言处理 搜索推荐
SIGIR 2023 | 推荐系统何去何从,经典ID范式要被颠覆?(2)
SIGIR 2023 | 推荐系统何去何从,经典ID范式要被颠覆?
228 0
|
机器学习/深度学习 人工智能 算法
Mila唐建团队开源大分子机器学习平台TorchProtein:分析蛋白质序列及结构数据,仅需一两行代码
Mila唐建团队开源大分子机器学习平台TorchProtein:分析蛋白质序列及结构数据,仅需一两行代码
359 0
|
机器学习/深度学习 自然语言处理 算法
用语言模型学习表示蛋白质的功能特性
用语言模型学习表示蛋白质的功能特性
139 0
|
机器学习/深度学习 存储 缓存
VLDB 2022最佳研究论文:克服通信挑战,新框架SANCUS实现GNN高效训练
VLDB 2022最佳研究论文:克服通信挑战,新框架SANCUS实现GNN高效训练
114 0
|
机器学习/深度学习 存储 算法
一文综述「联邦图机器学习」,概念、技术、应用全都有
一文综述「联邦图机器学习」,概念、技术、应用全都有
347 0
|
机器学习/深度学习 Oracle 关系型数据库
模块化的机器学习系统就够了吗?Bengio师生告诉你答案
模块化的机器学习系统就够了吗?Bengio师生告诉你答案
152 0
|
机器学习/深度学习 人工智能 算法
谷歌提前开源AlphaFold 2!Nature、Science同时公开两大蛋白质结构预测工具(一)
昨日,DeepMind和华盛顿大学分别在nature和Science两大顶级杂志发布了各自预测蛋白质结构的工具,并同时开源了代码。
338 0
谷歌提前开源AlphaFold 2!Nature、Science同时公开两大蛋白质结构预测工具(一)
|
机器学习/深度学习 数据库 异构计算
谷歌提前开源AlphaFold 2!Nature、Science同时公开两大蛋白质结构预测工具(二)
昨日,DeepMind和华盛顿大学分别在nature和Science两大顶级杂志发布了各自预测蛋白质结构的工具,并同时开源了代码。
403 0
谷歌提前开源AlphaFold 2!Nature、Science同时公开两大蛋白质结构预测工具(二)
|
机器学习/深度学习 人工智能 自然语言处理
Jeff Dean谈2020年机器学习趋势:多任务和多模式学习将成为突破口
谷歌AI负责人Jeff Dean 近日接受专访,讨论了2020 年机器学习领域趋势,他认为在规模更大的多任务学习和多模式学习方面,AI将取得新的里程碑。而正如谷歌在Transformer上的工作引领了NLP领域的发展,Jeff Dean认为应该将重点放在基础研究上。
172 0
Jeff Dean谈2020年机器学习趋势:多任务和多模式学习将成为突破口

热门文章

最新文章