美国华盛顿大学大卫·贝克团队，开发了一种基于RoseTTAFold的序列空间扩散模型ProteinGenerator（PG），可同时生成蛋白质序列和结构。PG以所需的序列和结构蛋白质属性为指导，通过迭代去噪生成序列和结构对，其设计轨迹以实验序列活性数据为指导，为蛋白质功能的综合计算和实验优化提供了一种通用方法，有望加速蛋白质工程在医药、材料、能源等领域的应用，为解决人类面临的重大挑战提供新的解决方案。相关研究成果于2024年9月25日发表在《自然·生物技术》期刊上。

研究显示，PG可用于设计具有特定氨基酸组成、重复序列、条件活性和多状态折叠等多种复杂属性蛋白质，大大拓展了可设计的蛋白质空间。研究人员利用PG成功设计了富含色氨酸、半胱氨酸、缬氨酸、组氨酸和甲硫氨酸的蛋白质，生成了具有串联重复单元的蛋白质，设计出了一种可以在特定条件下释放生物活性肽melittin的蛋白质笼。此外，PG还可用于多状态蛋白设计，研究人员利用PG成功设计了一系列蛋白质，这些蛋白质在完整状态和分裂状态下具有不同的折叠构象。

相比传统方法，PG可以在较少的采样步数内找到满足复杂约束的解，大大提高了设计效率。此外，研究人员通过晶体结构和核磁共振结构验证，PG设计的蛋白质具有原子级的精确度，证明了该模型的可靠性。

信息来源：

https://www.nature.com/articles/s41587-024-02395-w

https://mp.weixin.qq.com/s/gdwMOkyFyPxMSDe8r7VZzA