知识卡片：AI重新设计的蛋白质起始点增强酶进化

一句话结论

利用AI模型ProteinMPNN重新设计实验室进化后的酶，可恢复其稳定性，作为定向进化的起始点能持续获得比野生型起始点活性更高、特异性更强的酶。

事件概述

2026年7月22日《Nature》发表研究，提出一种将AI蛋白质序列设计与实验室连续进化（PACE）整合的工作流。作者用ProteinMPNN重新设计三种肉毒杆菌神经毒素（BoNT）蛋白酶，得到稳定性改善且催化效率与野生型相当的变体。以这些AI重设计酶为起始点进行并行的PACE定向进化，相比从野生型起始，进化出的蛋白酶活性更高、适应性更快，且能解锁野生型背景无法达到的高功能序列空间。最终，以重设计BoNT/E蛋白酶为起始点进化出的蛋白酶在切割治疗相关蛋白ataxin-2时，选择性比野生型起始的最佳变体提高79倍以上。

方法/产品要点

AI序列重设计模型：使用ProteinMPNN（神经网络模型）和PROSS（物理能量法）对实验室进化后获得的酶进行序列重设计，恢复因进化过程积累的突变而丧失的稳定性和可溶性表达。
进化平台：噬菌体辅助连续进化（PACE），可在无需人工干预的条件下每24小时完成多轮突变、选择和复制。
实验设计：对三种不同底物（SNAP25等）进行平行进化，分别以AI重设计酶和对应野生型酶为起始点，比较进化结果。

主要结果

重设计的BoNT蛋白酶（如BoNT/E、BoNT/F、BoNT/D）在热稳定性（Tm）、可溶性表达和催化效率上均优于或等于野生型（具体数值见原文图1e–g，文本未列出精确值，待核实）。
在四个进化实验中，以重设计酶为起始点的PACE进化始终得到比野生型起始更高的蛋白酶活性。
重设计起始点赋予的“突变稳健性”使进化能够到达野生型背景无法达到的高功能序列空间（重设计进化获得的突变在野生型背景下无法发挥功能）。
当重设计提高起始点局部序列空间的适应性时，进化速率更快。
针对ataxin-2底物的特异性进化：从重设计BoNT/E起始的蛋白酶达到更高的催化效率和稳定性，同时最小化对天然底物的切割，选择性比从野生型BoNT/E起始的最佳变体高出79倍以上。

为什么重要

解决了定向进化中因稳定性丧失而限制功能进化潜力的核心难题。传统方法需额外进行稳定性进化或过表达伴侣蛋白，耗时且易产生作弊机制。AI重设计可直接恢复稳定性，无需额外实验。
建立了通用型工作流：计算序列设计 + 实验室进化，可应用于其他酶和蛋白质工程领域，加速开发治疗性蛋白酶、工业催化剂等。
首次系统比较了AI重设计酶与野生型酶作为定向进化起始点的性能差异，并证明了重设计在多种底物和进化场景下的优势。

局限与不确定性

本研究主要基于肉毒杆菌神经毒素蛋白酶，是否适用于其他蛋白家族或不同类型酶（如氧化还原酶、聚合酶）仍需验证（原文提及Fe(II)/αKG超家族有类似初步结果，但系统比较尚未报道）。
重设计过程需要已知的实验室进化后酶序列作为输入，对于从未经过进化的天然蛋白，直接重设计的效果待核实。
实验中使用的PACE平台对宿主菌和选择条件有特定要求，该工作流在临床或工业大规模应用中的可扩展性待评估。
文章未提供所有进化的绝对活性数值（如kcat/Km），部分性能提升仅以相对倍数呈现（如特异性提高79倍）。

可用于图书/PPT/简报的角度

技术突破：展示AI（ProteinMPNN）如何帮助跳出自然进化的局限，提供“强化版”进化起点。
进化生物学启示：用实践证明“稳健性→可进化性”理论，即提高蛋白稳定性可解锁更多功能进化路径。
医药应用：以ataxin-2为例，说明如何快速获得高特异性治疗性蛋白酶（针对神经退行性疾病）。
对比传统方法：与传统两步法（先进化稳定性再进化功能）相比，AI重设计一步到位，节省数月时间。

原始材料

URL: https://www.nature.com/articles/s41586-026-10820-0
英文标题: AI-redesigned starting points and outcomes enhance protein evolution
英文关键词: molecular engineering, protein design, foundation model (原文标记为Topics: foundation-model)
来源: Nature, Published online: 22 July 2026, doi:10.1038/s41586-026-10820-0