近日，《Science》雜志報(bào)道了一項(xiàng)具有顛覆性的研究進(jìn)展——利用生成式人工智能（Generative AI）技術(shù)，研究人員成功從零開始設(shè)計(jì)出全新的蛋白質(zhì)分子。這些人工設(shè)計(jì)的蛋白質(zhì)能夠像高精度的“分子巡警”，精準(zhǔn)識別并鎖定癌細(xì)胞或病毒感染細(xì)胞表面的獨(dú)特標(biāo)識——肽-主要組織相容性復(fù)合體I類分子（pMHC-I），為開發(fā)更安全、更廣泛的細(xì)胞療法和蛋白質(zhì)藥物鋪平了道路。

 

精準(zhǔn)識別的挑戰(zhàn)

每個(gè)細(xì)胞在其表面展示著一種被稱為pMHC-I的結(jié)構(gòu)，這可以被視作細(xì)胞狀態(tài)的“身份證”。正常細(xì)胞展示的是自身的肽段，而當(dāng)細(xì)胞發(fā)生癌變或被病毒感染時(shí)，它會展(http://www.weberwork.com/exhibIT(http://www.weberwork.com/sell/l_25/)/)示異常肽段。T細(xì)胞通過其表面的T細(xì)胞受體（TCR）檢查這些pMHC-I結(jié)構(gòu)。一旦發(fā)現(xiàn)異常肽段，T細(xì)胞即被激活并對問題細(xì)胞發(fā)起攻擊。然而，設(shè)計(jì)能精準(zhǔn)識別特定pMHC-I復(fù)合物的分子極具挑戰(zhàn)性，因?yàn)槟繕?biāo)肽段與正常肽段可能只有一個(gè)或兩個(gè)氨基酸的差異，并且MHC分子本身也存在高度多樣性。

 

利用AI解決難題

面對這一困境，研究團(tuán)隊(duì)采用了名為RFdiffusion的生成式AI模型，該模型能夠在給定目標(biāo)結(jié)構(gòu)的情況下，從無到有地生成一個(gè)全新蛋白質(zhì)骨架。通過將目標(biāo)pMHC-I復(fù)合物的結(jié)構(gòu)作為輸入，研究人員要求新設(shè)計(jì)的蛋白質(zhì)應(yīng)主要集中在核心肽段上，避免過多接觸MHC分子框架部分。

 

經(jīng)過一系列計(jì)算篩選過程，包括使用ProteinMPNN優(yōu)化氨基酸序列和AlphaFold2預(yù)測折疊情況，研究團(tuán)隊(duì)為11個(gè)不同的pMHC-I靶點(diǎn)設(shè)計(jì)出了潛在的binder。這些靶點(diǎn)覆蓋了多種HLA等位基因及來自不同病毒和腫瘤的肽段。

 

實(shí)驗(yàn)驗(yàn)證與功能測試

在實(shí)驗(yàn)室中，研究人員通過酵母表面展示技術(shù)和流式細(xì)胞分選術(shù)驗(yàn)證了這些AI設(shè)計(jì)binder的高度特異性。此外，他們還將binder整合進(jìn)CAR結(jié)構(gòu)，并表達(dá)于Jurkat T細(xì)胞系上進(jìn)行功能性測試。實(shí)驗(yàn)結(jié)果表明，這些binder不僅能夠特異性識別目標(biāo)肽段，還能有效激活免疫細(xì)胞，顯示出極高的特異性和安全性。

 

深入分子層面的理解

進(jìn)一步的研究揭示了這些binder如何實(shí)現(xiàn)如此高的特異性。例如，在一個(gè)針對MAGE-A3腫瘤抗原的binder mage-513中，通過形成疏水性口袋和多個(gè)氫鍵來確保與肽段的緊密特異性結(jié)合。丙氨酸掃描實(shí)驗(yàn)確認(rèn)了關(guān)鍵氨基酸的重要性，展示了AI設(shè)計(jì)的精確性。

 

展望未來

這項(xiàng)研究還展示了兩種令人興奮的可能性：一是“舊瓶裝新酒”——利用已有成功的binder骨架快速改造以識別新的目標(biāo)；二是針對AI預(yù)測而非已知實(shí)驗(yàn)結(jié)構(gòu)的pMHC-I進(jìn)行設(shè)計(jì)，極大地?cái)U(kuò)展了可設(shè)計(jì)范圍。這些成果為個(gè)性化醫(yī)療提供了無限可能性，有望在未來幾年內(nèi)推動(dòng)新型癌癥治療方法的發(fā)展。