据Ars Technica在2026年10月14日报道，华盛顿大学诺贝尔奖得主戴维·贝克实验室领导的研究团队，利用先进的人工智能设计工具，成功从零打造出能够切割其他蛋白质的定制蛋白酶。这项突破发表在当天的《自然》杂志上，标志着AI蛋白质设计从结构模拟迈向功能创造的里程碑，为治疗阿尔茨海默病等神经退行性疾病提供了全新思路。研究人员通过RFdiffusion2和ProteinMPNN等AI软件，重新设计锌蛋白酶和半胱氨酸蛋白酶的催化核心，使其能特异性切割与疾病相关的目标蛋白，并显著提升催化效率。
选秀节目自然蛋白酶的局限与AI设计契机
蛋白质由氨基酸通过肽键连接而成，肽键本身极为稳定，估计半衰期长达数百年。然而在生物体内，蛋白酶能高效催化肽键水解，使蛋白质快速降解。自然界的蛋白酶经过亿万年进化，形成了锌蛋白酶、半胱氨酸蛋白酶等多种催化机制。但这些天然酶往往缺乏对特定底物的高度选择性，且难以人工改造。传统蛋白质设计依赖试错法，成功率极低。AI工具的出现改变了这一局面——它们能基于物理化学约束，快速生成满足特定结构需求的蛋白骨架。研究团队在论文中指出：“我们尝试用AI直接设计酶的活性中心，然后把整个蛋白框架替换成全新结构。”
圈内消息两种催化机制的AI重设计
研究聚焦两种截然不同的蛋白酶机制：锌蛋白酶与半胱氨酸蛋白酶。锌蛋白酶通过锌离子正电荷激活水分子，攻击肽键；半胱氨酸蛋白酶则利用半胱氨酸侧链形成临时共价中间体。设计流程相同：首先用RFdiffusion2生成蛋白骨架，约束条件包括必须将催化关键氨基酸（如锌离子的配位残基或半胱氨酸）聚集到活性位点，同时靠近目标切割序列。随后用ProteInMPNN沿骨架填充氨基酸序列，确保折叠后保持催化构像。团队为半胱氨酸蛋白酶设计了12种骨架，填充了69组氨基酸序列；为锌蛋白酶尝试了135种设计。AlphaFold3预测显示，这些新蛋白与已知结构无明显相似性，证实AI并非简单套用天然模板。
内幕消息设计成功率与催化活性对比
下表总结两种蛋白酶的设计表现：
独家爆料| 蛋白酶类型 | 设计数量 | 具有活性的设计（百分比） | 最佳活性提升倍数（相对原始酶） |
|---|
| ------------ | ---------- | -------------------------- | ------------------------------- |
|---|
| 半胱氨酸蛋白酶 | 69种（12骨架） | 13种（19%） | 10^9倍（加速肽键水解） |
|---|
| 锌蛋白酶（无水约束） | 89种 | 14种（16%） | 较低 | 锌蛋白酶（含水约束） | 38种 | 35种（92%） | 10^10倍（加速） |
|---|
从表中可见，锌蛋白酶设计中纳入水分子约束后成功率从16%跃升至92%。但初代设计的催化活性均远低于天然酶。
优化与活性飞跃
为提升活性，团队识别活性中心附近但不直接参与催化的氨基酸，逐一替换为其他20种氨基酸，筛选出显著更高效变体。锌蛋白酶优化版（v2）活性是原始设计的30倍，加速肽键水解达10^10倍。半胱氨酸蛋白酶最佳变体则实现10^9倍加速。研究团队表示：“通过简单局部突变，我们就能让小工具酶达到接近自然酶的水平，这证明AI设计骨架是优秀的起点。”
针对神经疾病蛋白的实践
作为最终验证，团队瞄准与阿尔茨海默病和额颞叶痴呆相关的错误折叠蛋白。他们并非直接修改已有设计，而是从头开始，用同样的AI流程，针对另一种目标蛋白序列设计新酶。新酶成功在细胞内切割了目标蛋白。这一成果说明，AI设计蛋白酶具备可编程的底物特异性，未来或可用于清除致病蛋白聚集体。然而，研究人员也警告，蛋白递送困难、免疫原性高、以及细胞内表达需基因治疗等问题亟待解决。论文作者在《自然》中写道：“目前我们尚未能直接要求工具产生任何特定催化活性，许多设计缺少自然酶的微妙细节。”
FAQ段
Q1: AI设计的蛋白酶与天然酶相比效果如何？
A1: 初代设计的催化活性通常比天然酶低数十到数百倍，但通过单点突变优化，最佳变体可将活性提升至与天然酶相当的水平，同时保持高度底物特异性。例如，锌蛋白酶v2实现了10^10倍的催化加速。
Q2: 这项技术何时能用于临床治疗？
A2: 目前仍處于概念验证阶段。主要挑战包括：蛋白递送技术不成熟（尤其在细胞内靶点）、免疫反应风险，以及需要借助基因治疗让细胞自身生产设计酶。研究人员估计，至少还需5-10年基础研究才能考虑临床前试验。
结语与展望
AI设计蛋白酶的成功标志着计算蛋白质工程从结构预测跃进到功能创造。尽管当前工具在“活性优化”方面仍有短板，但结合定向进化突变后已展现出惊人潜力。未来，若能整合催化效率、免疫原性、体内稳定性等多维度约束，AI有望成为定制治疗蛋白酶的核心平台，为阿尔茨海默病、帕金森病等蛋白错误折叠疾病带来精准疗法。
