Исследователи, большинство из которых работают в лаборатории нобелевского лауреата David Baker в Вашингтонском университете, разработали спроектированные с помощью искусственного интеллекта белки-ферменты, способные расщеплять пептидные связи в других белках. Работа основана на таких инструментах, как RFdiffusion2 и ProteinMPNN, и показала, что эти модели могут создавать структуры, в которых каталитические аминокислоты располагаются рядом с целевой последовательностью, даже если спроектированный белок не похож на известные белки в базах данных.
Пептидные связи обладают высокой химической стабильностью: их самопроизвольное расщепление в воде может занимать сотни лет. Живые организмы используют ферменты-протеазы для ускорения этого процесса. Исследователи сосредоточились на двух механизмах: цинк-зависимой протеазе и протеазе, зависящей от аминокислоты цистеина. В обоих случаях задача заключалась в точном расположении небольшого числа аминокислот внутри каталитического центра, способного атаковать целевую связь.
Как создавались спроектированные ферменты?
Команда начала с двух известных структур: цинк-зависимой протеазы из пищеварительной системы омара и цистеиновой протеазы из дрожжей. RFdiffusion2 использовали для создания белкового каркаса с ограничениями, обеспечивающими сближение каталитических аминокислот друг с другом и с последовательностью, которую требовалось расщепить. Затем ProteinMPNN заполняла каркас аминокислотами, совместимыми со структурной укладкой, каталитическим участком и взаимодействием с мишенью.
Исследователи спроектировали 12 каркасов и 69 наборов аминокислот для проекта с цистеиновой протеазой, тогда как в проекте с цинк-зависимой протеазой испытали 135 конструкций. Они использовали AlphaFold3 для прогнозирования структур ряда конструкций и не обнаружили в базах данных белков, достаточно похожих на них, чтобы предположить простое повторное использование известных структур инструментами.
Измеримая активность при отставании от природных ферментов
Команда испытывала конструкции внутри длинного белка, объединявшего протеазу, целевую последовательность и флуоресцентный белок, так что расщепление указывало на успешность реакции. Успешными оказались 13 конструкций цистеиновой протеазы, то есть 19% испытаний, однако их активность была значительно ниже, чем у эталонного дрожжевого фермента.
В конструкциях цинк-зависимой протеазы, в которых необходимая для реакции молекула воды не была явно включена в число ограничений, 14 из 89 продемонстрировали слабую каталитическую активность. Анализ неудачных конструкций показал, что молекула воды иногда занимала положение, необходимое для реакции. При включении положения воды в проектирование число успешных конструкций выросло до 35 из 38, хотя в большинстве случаев активность оставалась ниже уровня природного фермента.
Исследователи улучшили некоторые конструкции, заменив аминокислоты, расположенные рядом с активным участком, но не участвующие непосредственно в катализе. Лучшая модификация в одном из проектов ускорила расщепление пептидной связи в 109 раз при сохранении высокой специфичности к целевой последовательности. Вторая версия цинк-зависимой протеазы также была в 30 раз активнее исходной конструкции и ускорила реакцию в 1010 раз.
Что это означает для медицинских применений?
В заключительном эксперименте исследователи спроектировали цинк-зависимые протеазы, нацеленные на белки, связанные с болезнью Альцгеймера и лобно-височной деменцией; одна из них смогла расщепить предназначенную мишень внутри клеток. Однако модификация существующей конструкции для воздействия на новую последовательность не принесла хороших результатов, поэтому команда была вынуждена заново провести весь процесс проектирования.
Результаты демонстрируют возможность использования этой методологии для воздействия на аномальные белки, связанные с некоторыми заболеваниями, но не представляют собой готовое лечение. Доставка белков в нужное место затруднительна, и они могут вызывать иммунный ответ. Если мишень находится внутри клетки, может потребоваться доставка в соответствующие клетки гена, кодирующего протеазу, что создаёт дополнительную проблему.
Ограничения проектирования с помощью искусственного интеллекта
Эксперименты показывают, что современные инструменты проектирования хорошо справляются с выполнением инженерных и структурных ограничений: обеспечением требуемой укладки белка, сближением каталитических аминокислот и связыванием с определённой последовательностью. Однако сами по себе они не гарантируют точных деталей, необходимых для высокой ферментативной активности. Некоторые конструкции были почти правильными с точки зрения структуры, но слабо взаимодействовали с мишенью, после чего небольшие мутации значительно повысили их активность.
Главный вывод заключается в том, что проектирование белков с помощью искусственного интеллекта вышло за рамки предложения теоретических структур и перешло к созданию ферментов, фактически работающих с определёнными мишенями, однако разрыв между структурой, активностью и доставкой в организм по-прежнему ограничивает переход к терапевтическим применениям. Результаты опубликованы в журнале Nature под цифровыми идентификаторами 10.1038/s41586-026-11143-w и 10.1038/s41586-026-11167-2.