德国赛多利斯集团

化工仪器网顶级21

收藏

不可思议!诺奖得主David Baker的Binder亲和力有多强?

时间:2024-10-25      阅读:62

10月9日,2024年诺贝尔化学奖授予David Baker、Demis HassabisJohn Jumper,以表彰他们在蛋白质设计以及蛋白质结构预测领域做出的杰出贡献。

 

近年来,AI药物迅猛发展,其中,蛋白质从头设计无疑是AI设计药物中的重头戏与热点。该技术不仅能设计针对不可成药靶点的药物和自然中不存在的蛋白质,还大大缩短了药物研发的周期。

 

被誉为“上帝之手”的华盛顿大学教授David Baker是该领域的佼佼者,发CNS发到手软。当然,AI设计能力再强,也需要通过实验手段去表征设计的蛋白。比如,使用基于生物层干涉技术(BLI)的Octet® 非标记分子互作系统检测设计的蛋白与靶点的亲和力。目前,David Baker课题组已使用Octet® 检测蛋白亲和力发表了近80篇文章,其中CNS正刊文章就超过20篇!(部分文章列表见文末)

 

这里,陈老师就介绍一下他今年发表的几篇CNS文章。

 

pM级别亲和力的新冠抑制剂[6]


在当时新冠病毒肆虐时,David Baker课题组用计算机软件设计了针对新冠病毒S蛋白的小蛋白抑制剂,通过一系列分子进化以及生化学方法检测后,大部分的抑制剂的中和新冠病毒活性达到了几十pM级别的IC50,其中一个蛋白抑制剂达到11pM的IC50,是当时知道所有新冠抑制剂中最强的!文中进行了两种设计路线:

 

方法1:围绕ACE2与S蛋白结合的α-螺旋结构域设计

方法2:与S蛋白的RBD结构域对接来设计

图片

 

 

图1. 图A为方法1示意图,图B为方法2示意图

 

 

技术路线如下

图片

图2. *AHB1亲和力高,但是稳定性差,通过AHB1结构再进行一次设计与筛选,获得AHB2前体。

 

image.png

 

图3. Octet®亲和力测试:第一个图是AHB1前体的动力学测定(μM级别亲和力),第二个图是AHB2的动力学测定(nM级别亲和力)。

 

方法2的第一轮筛选的11个候选物(LCD1-8前体)的亲和力为100nM-2μM,而通过分子进化后的多数LCB的亲和力在1-20nM,其中LCB1,LCB3亲和力低于1nM。

 

image.png

 

图4. Octet® 亲和力测试:第一个图是方法2获得的11个候选物的动力学测定,解离都较快,亲和力相对较低;第二个图是亲和力成熟后的LCB1亲和力测试(低于1nM亲和力)。

 

LCB1也是当时已知中和新冠病毒能力最强的抑制剂。

 

结合扩散模型设计出的高亲和力蛋白[1]

 

本文结合扩散模型(RF diffusion)和用深度学习算法,实现了从头设计合成蛋白质的目标,设计成功率提高了两个数量级。针对已知的五个靶标,仅需不到100个候选即可达到纳摩尔(nM)级别的亲和力(全部用BLI进行检测)。此外,研究人员还设计了一种蛋白与其底物(流感血凝素)的复合物,并使用冷冻电镜解析其结构。结果显示,冷冻电镜解析的结构与设计的模型几乎完全一致,证明了该模型的准确性。为进一步验证生成的蛋白是否具有结合活性,研究人员继续使用Octet® 对这两种蛋白的结合进行验证。


图片

图5. (a-c) 从头设计靶标蛋白的结合蛋白,针对五个靶标,从头设计结合蛋白,BLI 响应信号值≥阳性对照1/2为候选;(b)RF diffusion成功率高出两个数量级; (d) 亲和力最高的结合物,结合KD为28nM; (e-h) 结构学验证。

 

研究团队表示,RF diffusion是对目前蛋白质设计方法的一次综合改进,能够产生总长度达600个氨基酸残基的结构,其复杂性和准确度均超越以往。研究团队还表示,进一步改进该方法或能设计出复杂程度更高的全新蛋白质。

 

超螺旋配对的高亲和力蛋白

 

针对内在无序区的重复性蛋白和多肽,本文开发了一种基于超螺旋配对的从头设计蛋白的通用性方法。该方法能以大约 20% 的成功率高效设计出多肽结合蛋白,这些蛋白具备低至皮摩(pM)级别的高亲和力、高特异性、高热稳定性以及高精度。此外,该方法还被证实可以靶向更广阔的非重复性多肽区域,并可延伸至人源蛋白的复杂网络。

这种高亲和力、高特异性就是通过Octet® 来进行检测的。


图片

图6. 将生物素化的目标肽加载到Octet® 生物传感器上,并和设计的binder进行结合解离,红色矩形框表示相匹配的结合;可见,设计的binder与目标多肽的良好特异性

 

三位诺贝尔化学奖得主几乎实现了人类曾经认为不可能的梦想。几十年前,设计全新的蛋白质以及预测蛋白质结构,被视为无法完成的任务。然而在今天,得益于三位科学家的成果,我们利用人工智能破解了蛋白质结构的密码,这是一场重大的革命。

无论哪个行业都离不开AI,蛋白质设计也一样,尽管蛋白质设计的各种模板和命令还在探索阶段。但无论AI从头设计怎么前沿,相互作用亲和力还是需要通过实验进行验证,蛋白也需要表达纯化才能成为最终产品。所以各位实验室技术大牛们不用怕失业啦!

 

Octet® 为什么如此受欢迎呢?

 

Octet® 用于亲和力验证的优点在于:

 

图片

非标记Direct Binding是趋势,不需要标记和信号放大,可以更好的保持反应物的活性

图片

快速测定亲和力,提供结合速率常数和解离速率常数更加定量化地表征分子互作

图片

无洗涤步骤,可测弱亲和力(解离快)

图片

写入了美国药典,文章>160,00篇,认可度广

图片

万金油技术,可以用与检测DNA,小分子,蛋白质等各种生物分子

图片

操作简便,耗材及维护成本低

 

 

生物层干涉技术应用文集第三版

图片图片

 

 

 

下载文档

 

 

 

 

 

上一篇: 如何培养“科研圣体”?具备这四大特质,实验效率开挂! 下一篇: 过滤实验成功的秘诀?快来查阅宝典吧!
提示

请选择您要拨打的电话: