介绍
许多蛋白质通过在不同的三维形状或构象之间切换来发挥其生物学功能。例如，酶改变形状以结合底物，受体改变构象以启动信号级联反应。控制蛋白质偏好构象的能力将使科学家能够精确调节其功能，从而开发出更有效的治疗方法、改进疫苗或生物技术工具。目前用于设计此类蛋白质的计算方法通常速度较慢且需要大量资源，限制了其广泛应用。我们开发了一种快速、易用且通用的计算方法，用于预测能够使蛋白质倾向于特定功能构象的简单突变。
理由
我们的方法称为构象偏好（CB），它利用了反向折叠模型（IFM）的强大功能。IFM经过训练，可以预测氨基酸序列折叠成特定结构的能力。我们假设，通过比较模型对同一蛋白质两种不同构象（例如“活性”状态和“非活性”状态）上特定突变的评分，我们可以识别出优先稳定其中一种状态的突变。我们方法的核心是对比评分：我们寻找那些对目标构象评分非常高，而对非目标构象评分很低的突变。这种快速的计算机筛选过程可以在几分钟内评估数千个潜在突变，使其具有高度可扩展性，并且非专业人士也能轻松使用。
结果
我们首先利用现有的大规模实验数据集验证了CB方法，这些数据集涵盖了几种研究较为深入的蛋白质，包括癌症相关蛋白K-Ras、严重急性呼吸综合征冠状病毒2 (SARS-CoV-2) 刺突蛋白和β2肾上腺素能受体。我们的预测成功识别出了已知能增强特定状态功能的突变，例如效应分子结合或受体激活。随后，我们应用CB方法改造了细菌酶硫辛酸连接酶（LplA），该酶在其催化循环中会在“关闭”和“开放”构象之间切换。我们利用CB方法预测了有利于开放或关闭状态的突变。对设计的变体进行实验验证了我们的预测。通过小角X射线散射和色氨酸荧光等生物物理技术，我们观察到改造后的蛋白质确实倾向于预期的构象。在功能上，CB方法对酶的底物混杂性产生了显著影响。倾向于“关闭”状态的变体对其天然底物具有更高的选择性，而倾向于“开放”状态的变体则表现出高度的底物混杂性，能够标记活哺乳动物细胞内的多种蛋白质。
结论
构象构象（CB）是一种强大而高效的计算方法，可通过调控构象偏好来合理设计蛋白质功能。我们将其应用于LplA酶，不仅验证了该方法的有效性，还揭示了其构象状态与非特异性活性之间的直接联系。由此产生的酶变体具有直接的实际应用价值：高选择性的“封闭”变体可提高蛋白质标记工具的精确度，而具有非特异性的“开放”变体可用于绘制细胞内蛋白质相互作用网络。CB的快速性和简便性使其成为基础科学、生物技术和药物研发领域广泛适用的工具。