前言原文链接https://doi.org/10.1073/pnas.25276411222025年12月PNAS美国国家科学院院刊发表了一项关于糖尿病神经痛DNP的研究。研究团队发现了一个此前未被表征的蛋白LGALSL它在糖尿病模型大鼠的脑脊液和前扣带皮层ACC中显著上调。更值得关注的是研究人员通过计算从头设计de novo design的方法合成了一段多肽PEP1成功阻断了LGALSL与vimentin的蛋白互作在动物模型中缓解了机械痛敏。这项研究背后有一个容易被忽略的技术细节多肽的从头设计。论文致谢中提到这一计算设计工作由合肥科晶生物技术有限公司完成。今天我们就来聊聊从头设计多肽到底是怎么做的它意味着什么。一、什么是「从头设计多肽」传统的多肽药物发现往往依赖于天然活性肽的筛选、噬菌体展示文库等实验手段。这些方法虽然成熟但周期长、命中率不稳定且受限于已有序列库的多样性。从头设计de novo design走的是另一条路不依赖已知序列而是基于靶点蛋白的三维结构用算法「生成」全新的多肽序列。这些序列在自然界中可能从未存在过但在结构上能够与靶点精准结合。二、技术管线三步走科晶生物的技术路线可以概括为三个核心步骤第一步RFdiffusion生成候选结合物RFdiffusion是基于扩散模型的蛋白质结构生成工具2023年发表于Nature。它的原理类似于AI图像生成中的扩散过程——从随机噪声出发逐步「去噪」生成具有特定功能的蛋白质结构。在多肽设计中研究人员将靶点蛋白的活性位点作为条件输入让模型生成1000个长度为8-15个氨基酸的候选结合多肽。为什么是8-15个氨基酸太短容易产生假阳性太长则难以找到相似结构参考。这个区间是多肽药物设计的「甜蜜点」。第二步Hdock对接打分精筛1000个候选多肽需要进一步筛选。Hdock是一种蛋白-蛋白对接工具结合了模板匹配和自由对接算法能够预测两个分子间的相互作用强度。对接分数为负值越负表示结合可能性越大。当结合能低于-200时置信度得分超过0.7表示两个分子结合的可能性很高。在PNAS这项研究中正是通过Hdock和AlphaFold3的双重评估从候选多肽中锁定了PEP1——它对LGALSL具有最高的预测结合亲和力。第三步AlphaFold3精细建模验证AlphaFold3是2024年发布的蛋白质复合物结构预测工具在预测蛋白-蛋白互作界面方面准确率极高。将Hdock筛选出的Top30候选转入AlphaFold3计算pTM和ipTM值。pTM评估整体结构预测准确性ipTM评估互作界面预测准确性两者之和大于0.75表示结果可靠。三、从计算到实验PEP1的验证设计完成后PEP1的生物学功能在PNAS研究中得到了系统验证- 流式细胞术证实PEP1显著降低了LGALSL与ACC星形胶质细胞的结合- 钙成像实验显示PEP1抑制了LGALSL引起的星形胶质细胞和谷氨酸能神经元激活- 行为学测试表明PEP1逆转了糖尿病大鼠的机械痛敏和热痛敏。也就是说一个完全由算法设计的多肽在体内实验中展现了明确的治疗效果。四、这意味着什么多肽药物正处于快速成长期。与传统小分子药物相比多肽具有更高的靶向特异性和更低的毒性与大分子抗体相比多肽的合成成本更低、组织穿透性更好。但多肽药物发现的瓶颈一直在于「先导化合物」的获取。从头设计技术的成熟正在改变这一局面。从靶点结构出发几周内就能获得数十个高亲和力候选多肽且每个候选都附带了结构预测评分和理化性质参数为后续实验提供了清晰的方向。当然计算设计不能完全替代实验验证。Docking Score是预测指标而非真实结合亲和力蛋白质在体内的动态行为也比静态模型复杂得多。但作为先导化合物发现的高效前置环节这套管线已经展现出显著的价值。写在最后科晶生物的这套从头设计多肽技术管线已经在中科院相关团队的PNAS研究中得到了实际应用的检验。对于从事药物发现、靶点验证的研究团队来说这提供了一条从靶点到候选多肽的高效路径。如果你也在做多肽相关的课题或者对蛋白质计算设计感兴趣欢迎交流。