摘要：我们常常将细胞想象成一座座繁忙而有序的城市。城市里，数以万计的蛋白质扮演着信使、建筑工、守卫和工程师的角色。它们之间的相互作用，如同一套复杂而精准的“握手”或“口令”系统，即蛋白质-蛋白质相互作用 (Protein-protein interactions,
我们常常将细胞想象成一座座繁忙而有序的城市。城市里，数以万计的蛋白质扮演着信使、建筑工、守卫和工程师的角色。它们之间的相互作用，如同一套复杂而精准的“握手”或“口令”系统，即蛋白质-蛋白质相互作用 (Protein-protein interactions, PPIs)，维系着生命的运转。如果说基因是生命的蓝图，那么蛋白质和它们的相互作用，就是将这张蓝图变为现实的全部活动。
长久以来，能够人为地设计一把全新的“分子钥匙”，即一种能够特异性结合特定目标蛋白质的“蛋白结合物 (protein binder)”，是无数研究人员梦寐以求的目标。这不仅意味着我们可以深入理解生命的运行逻辑，更意味着我们能够开发出前所未有的工具来对抗疾病。然而，这个梦想的实现过程却异常艰难，堪比在黑暗中为一把从未见过的锁雕刻钥匙，充满了大量的猜测和无尽的试错。传统方法的成功率常常低得令人沮丧。
8月27日，《Nature》的研究报道“One-shot design of functional protein binders with BindCraft”，宣告了一个新时代的到来。研究人员开发出一个名为 “BindCraft” 的人工智能 (Artificial intelligence, AI) 工具，它彻底颠覆了传统的设计范式。BindCraft 如同一位拥有上帝视角的分子工匠，其设计的成功率从过去不足0.1%的“大海捞针”飙升至惊人的10%至100%。它不仅能为癌症免疫疗法的靶点打造“增强器”，还能设计出中和过敏原的“分子盾牌”，甚至能为基因编辑工具定制“安全开关”，为病毒载体安装“导航系统”。这不仅仅是一项技术的突破，更是一场关于我们如何与分子世界对话的哲学革命。
要理解 BindCraft 的革命性，我们先来回顾一下蛋白质设计那段充满挑战的“史前史”。
1. 经验与运气的赌局：传统方法的局限
在计算科学介入之前，创造新的蛋白质结合物主要依赖于两种策略：免疫 (immunization)和定向进化 (directed evolution)。
免疫，即我们所熟知的抗体 (antibody) 制备，本质上是“借用”动物的免疫系统。通过将目标蛋白质注射到动物体内，诱导其产生能够结合该目标的抗体。这个过程虽然经典，但周期漫长、成本高昂，且我们对最终产物的控制力非常有限。我们无法精确指令动物的免疫系统：“请为我制造一个能结合在这个特定位点、并且有如此这般特性的抗体。” 我们更像是在向大自然“下单”，然后等待一份充满未知的“盲盒”快递。
定向进化则更像是一场大规模的“暴力破解”。研究人员会先构建一个巨大的蛋白质突变库，可能包含数百万甚至数十亿种不同的变体，然后通过高通量的筛选技术，从中“淘”出具备所需功能的分子。这个过程就像让无数只猴子在打字机前随机敲打，期望其中一只能够碰巧敲出一部莎士比亚戏剧。它确实能够产生优秀的蛋白质，但其背后是巨大的资源消耗和时间成本，且同样缺乏对设计过程的精确控制。
2. 物理规则的枷锁：早期计算设计的挣扎
随着计算机能力的增强，研究人员开始尝试用计算的方法来理性设计蛋白质，其中最著名的代表就是 Rosetta软件。Rosetta 的核心思想是基于物理化学原理，通过计算能量函数来评估一个蛋白质结构是否稳定，以及两种蛋白质之间的结合是否“有利”。它允许研究人员在一个固定的目标蛋白结构上，像搭积木一样尝试拼接不同的“骨架 (scaffold)”，并优化侧链氨基酸，试图找到一个能量最低、最匹配的结合方案。
Rosetta 无疑是蛋白质设计领域的先驱，它将这一领域从纯粹的实验试错带入了理论预测的时代。然而，物理模型本身的复杂性和计算的局限性，使得 Rosetta 的成功率一直不甚理想。正如该论文引言中提到的，这类物理方法的实验成功率通常低于0.1%。这意味着，研究人员可能需要在计算机上设计并筛选成千上万个候选分子，然后到实验室中测试上百个，最终可能只有一个能够勉强起作用，甚至全军覆没。这种极低的“命中率”严重制约了计算蛋白质设计的实际应用。
3. 深度学习的降临：从“预测者”到“创造者”的门槛
一切的转折点发生在AlphaFold2横空出世的时刻。AlphaFold2 是一个基于深度学习的AI模型，它能够以前所未有的准确度，仅根据蛋白质的一维氨基酸序列，预测其复杂的三维空间结构。它就像一位能够解读生命“天书”的先知，彻底解决了蛋白质结构预测这一困扰生物学界半个世纪的难题。
AlphaFold2 的出现，为蛋白质设计带来了新的曙光。研究人员很快意识到，既然这个“先知”能判断一个设计出来的结构是否合理，那么就可以用它来做“过滤器”。例如，一些新兴的AI设计方法，如 RFdiffusion，能够像一位富有想象力的艺术家一样，“幻觉”出全新的蛋白质骨架。然后，再将这些设计稿交给 AlphaFold2 这位“评审”，筛选出那些看起来最可能正确折叠并与目标结合的方案。
这种“生成+过滤”的模式，已经极大地提高了成功率。但它依然存在一个内在的“鸿沟”：生成骨架的AI和评估复合物的AI是分离的，二者之间缺乏直接的对话。这就像一位建筑师画了草图，然后交给结构工程师去计算，如果不行就推倒重来，效率依然有提升空间。研究人员们不禁思考：我们能否更进一步，不只是让AlphaFold2当一个“评审员”，而是直接“教”它如何去“创作”？
这正是 BindCraft 所要回答的问题。
BindCraft 的设计哲学，可以用“化预测为创造”来概括。它没有另起炉灶开发一个全新的生成模型，而是巧妙地“改造”并“驾驭”了AlphaFold2本身，让这位强大的“预测者”转变为一个高效的“创造者”。其核心武器，是一种被称为反向传播 (backpropagation)的深度学习技术。
我们可以用一个比喻来理解这个过程。
想象一下，AlphaFold2 就是一位顶级的围棋AI。你给它一个棋局（蛋白质序列），它能预测出最终的胜负（结构是否稳定，结合是否良好）。
传统的“生成+过滤”模式，就像是你随机摆出成千上万个棋局，然后一个个问这位AI：“这个能赢吗？”AI会告诉你“能”或“不能”。这种方式虽然比你自己瞎摆要好，但依然很盲目。
而 BindCraft 的做法则完全不同。它一开始也随机给出一个“棋局”（一个随机的binder序列），然后让AlphaFold2去预测结果。AlphaFold2 预测完后，可能会得出一个很差的“分数”（例如，预测的结合界面很糟糕，结构也不稳定）。此时，关键的一步来了：BindCraft 会计算这个“糟糕的分数”与“完美分数”之间的“误差”，然后将这个“误差信号”像电流一样，反向传导回AlphaFold2网络的每一层神经元。
这个反向传播的误差信号，实际上是在告诉AI：“你错了，错在这里、这里、还有这里。为了减小这个错误，你必须调整你的输入（也就是那个随机的binder序列）。” 于是，AI被迫在下一次迭代中，对binder的氨基酸序列做出微小的、有目的性的修改。这个“预测-计算误差-反向传播-修改输入”的过程会循环往复。
每一次循环，binder的序列都会被优化得更好一点，AlphaFold2预测出的“分数”也会更高一点。这个过程就如同一个学徒在不断地练习，而他的老师（误差信号）在每一次练习后都精准地指出他的错误，并指导他如何改进。经过数百次的迭代优化，最初那个随机、无意义的序列，就会逐渐“进化”成一个能够与目标蛋白形成高度匹配、稳定结合界面的全新蛋白质。研究人员将这个由AI自我优化的过程，生动地称为“幻觉 (hallucination)”。
更巧妙的是，BindCraft 在这个过程中引入了一个传统方法难以企及的优势：靶点灵活性 (target flexibility)。
在过去的设计方法中，目标蛋白通常被视为一个刚性的“锁”，设计师需要做的就是为它配一把同样刚性的“钥匙”。但生物分子在现实世界中是动态的、柔软的，它们在结合时常常会发生微小的构象变化，即所谓的“诱导契合 (induced fit)”。BindCraft 在每一次迭代中，都会重新预测整个“binder-靶点”复合物的结构，而不仅仅是binder本身。这意味着，它允许目标蛋白在设计的过程中，为了更好地适应binder而发生轻微的“形变”。根据研究数据，这种“形变”的幅度（以原子主链的均方根偏差，r.m.s.d.ca，来衡量）可以在0.5埃 (Å) 到5.5埃之间。这使得 BindCraft 设计出的钥匙，不仅能开一把静态的锁，更能适应一把会“呼吸”、会“抖动”的真实的生物锁，从而大大提高了设计的成功率和亲和力。
通过这一系列巧妙的机制，BindCraft 将蛋白质设计从一场低概率的赌博，变成了一项高成功率的精密工程。
理论的优雅，最终需要通过实践来检验。研究团队选择了一系列极具挑战性、涵盖了从基础研究到临床应用的12个不同蛋白质靶点，来全面测试BindCraft的威力。其结果令人瞩目。
1. 为免疫系统“松绑”：打造癌症治疗的新一代利器
在肿瘤免疫领域，PD-1及其配体PD-L1是最著名的“免疫检查点 (immune checkpoint)”之一。癌细胞常常会高表达PD-L1，它就像是癌细胞举起的一面“白旗”，与T细胞表面的PD-1结合后，会告诉T细胞：“我是自己人，不要攻击我。” 这使得癌细胞能够逃脱免疫系统的监视和清除。目前，靶向PD-1/PD-L1的抗体药物已经成为多种癌症的标准疗法。
研究人员使用 BindCraft 分别针对人源PD-1和PD-L1设计了全新的蛋白结合物。
针对PD-1，他们从计算设计的众多方案中，选择了53个进行实验测试。结果显示，其中有13个设计成功地与PD-1结合，成功率达到了约25%。其中亲和力最强的binder2，其表观解离常数 (apparent dissociation constant, K*)低于1纳摩尔 (nM)。这是一个非常惊人的数值，意味着结合极其紧密、稳定，达到了顶级抗体药物的水平。
针对PD-L1，结果更加出色。研究人员测试了9个设计，其中7个都表现出结合活性，成功率高达78%！亲和力最高的binder4，其解离常数也达到了615 nM的水平。
要知道，这些binder都是从零开始、纯由AI“凭空”设计出来的，没有经过任何后续的实验优化。这种从计算设计直接到纳摩尔级别亲和力、并且成功率如此之高的“一步到位”，在过去是不可想象的。它有力地证明了BindCraft在设计高亲和力药物分子方面的巨大潜力。
2. 让过敏反应“静音”：从源头中和恼人的过敏原
过敏是困扰全球数亿人的健康问题。其根源在于免疫系统对一些本应无害的物质，如花粉、尘螨等，产生了过度的反应，释放出大量的 IgE抗体。
研究人员将目光投向了三种主要的过敏原：尘螨过敏原 Der f 7和Der f 21，以及导致春季花粉过敏的“元凶”——桦树花粉过敏原Bet v 1。这些过敏原通常表面带有大量电荷，结构复杂，是计算设计的“硬骨头”。
BindCraft 再次展现了它的实力。例如，针对 Der f 7，研究人员测试了10个设计，其中4个成功结合。他们还成功解析了其中最优秀的binder2与Der f 7复合物的晶体结构。令人振奋的是，实验解析出的真实三维结构，与当初AI在计算机里设计的模型惊人地一致，两者重叠后的主链原子均方根偏差仅为1.7埃！这相当于在一个跨越数千万原子的尺度上，实现了原子级的精准预测和设计。这证明了，AI不仅仅是在“猜”一个模糊的形状，而是在以物理现实允许的最高精度，进行分子级别的“创造”。
更具临床意义的实验，是针对桦树花粉过敏原 Bet v 1 的设计。研究人员成功设计出了能够结合 Bet v 1 的binder2，其亲和力为120 nM。随后，他们进行了一项巧妙的体外实验：他们从三位对桦树花粉过敏的患者血液中提取了血清，这些血清里富含能够识别Bet v 1的IgE抗体。然后，他们用AI设计的binder2预先与Bet v 1结合。结果发现，这个小小的、由AI设计的蛋白质，能够将在两个捐赠者的血清中高达50%的IgE抗体“拒之门外”，阻止它们与过敏原结合。虽然这个效果相比商业化的、由三种不同抗体组成的“鸡尾酒”疗法（能阻断90%）还有差距，但考虑到这仅仅是一个单一的、未经优化的设计，它已经展现出了作为新型抗过敏疗法的巨大潜力。
3. 为基因魔剪“上锁”：精准调控CRISPR-Cas9的活性
CRISPR-Cas9基因编辑技术被誉为“基因魔剪”，它为治疗遗传病带来了革命性的希望。但正如任何一把锋利的工具，它也需要一把“安全锁”，以防止“脱靶”效应或在不需要的时候过度编辑。
研究人员挑战了一个非常困难的任务：为Cas9蛋白上一个高度带电的、负责结合向导RNA (guide RNA) 的关键区域（REC1结构域）设计抑制剂。这个区域是传统小分子药物难以靶向的“不可成药 (undruggable)”靶点。
BindCraft 成功地设计出了一系列能够结合该位点的binder。在人类胚胎肾细胞 (HEK293T cells) 中进行的基因编辑实验表明，这些从零开始设计的binder，能够显著降低Cas9的基因编辑活性，其抑制效果甚至优于一些自然界中存在的天然抗CRISPR蛋白 (anti-CRISPR proteins, Acrs)。
这项成功不仅为CRISPR技术的安全应用提供了全新的工具，更重要的是，它证明了BindCraft有能力攻克那些被认为“不可成药”的、具有挑战性的蛋白质表面，为药物研发开辟了全新的战场。
如果说以上应用已经足够震撼，那么BindCraft在基因治疗领域的应用，则堪称“封神”之作。
基因治疗的常用载体之一是腺相关病毒 (Adeno-associated virus, AAV)。它像一个纳米级的“快递员”，可以将治疗性的基因“包裹”并递送到细胞内。然而，天然的AAV存在一个重大缺陷：它缺乏特异性，像一个“无差别派送”的快递员，会进入各种类型的细胞，包括健康的组织和器官，这不仅降低了治疗效率，还可能引发不必要的副作用。
如何为AAV装上一个精确的“导航系统”，让它只去我们想让它去的地方？这是基因治疗领域一个亟待解决的核心难题。
研究团队提出了一个大胆而巧妙的设想：利用BindCraft为AAV病毒的衣壳蛋白 (capsid protein) 设计并“焊接”上一个全新的binder，这个binder能特异性地识别只在特定细胞（如癌细胞）表面表达的“路标”蛋白。
他们首先对AAV6病毒进行了“去靶向化”改造，通过引入几个点突变，敲除了它与细胞表面天然受体（硫酸乙酰肝素和唾液酸）的结合能力，把它变成了一个“迷路”的病毒。
然后，他们利用BindCraft，分别针对两种在癌细胞上高表达的蛋白：HER2和PD-L1，设计了一系列微小的binder。这些binder被设计成能够直接整合到AAV的衣壳蛋白上，成为病毒新的“眼睛”和“手”。
实验结果堪称惊艳。他们构建了一系列携带不同binder的重组AAV病毒，用于感染两种细胞：一种是稳定过表达靶点蛋白（如PD-L1）的细胞，另一种是不表达的对照细胞。
在针对PD-L1的实验中，表现最好的一个AAV变体（PD-L1-b202），在感染PD-L1阳性细胞时的效率，是感染阴性细胞效率的整整100倍！这意味着，这个经过AI改造的病毒，已经具备了高度的“细胞识别能力”，它会优先地、高效地将基因递送到目标细胞中，而很大程度上忽略非目标细胞。
这不仅仅是效率的提升，这是从“霰弹枪”到“狙击步枪”的质的飞跃。它展示了一条通往更安全、更高效的靶向基因治疗的清晰路径。BindCraft的高成功率意味着，研究人员可以快速地为任何感兴趣的细胞表面受体设计靶向病毒，从而极大地加速个性化基因疗法的开发进程。
BindCraft 的诞生，其意义远不止于提供了一个强大的新工具。它标志着一个新时代的开启，一个我们可以称之为“意图生物学 (intentional biology)”的时代。
从“筛选”到“设计”的哲学转变
BindCraft 最核心的贡献，是它所代表的“单发即中 (one design-one binder)”的设计哲学。在过去，生物学研究和药物开发在很大程度上依赖于“筛选”：从自然界中筛选，从庞大的化合物库或抗体库中筛选。这是一个被动的、依赖于概率和运气的过程。而BindCraft让我们第一次能够以如此高的成功率，主动地、有“意图”地去创造一个我们想要的分子，来实现一个我们预设的功能。这种从被动筛选到主动设计的转变，是生命科学研究范式的一次深刻变革。它将极大地解放研究人员的生产力，将他们从繁琐、重复的筛选工作中解放出来，专注于更具创造性的科学问题。
技术的“民主化”：赋能更广泛的科学社群
论文中特别强调，BindCraft 是一个“开源且自动化的流程 (open-source and automated pipeline)”。这意味着，全世界任何一个具备基本计算生物学能力的实验室，都可以免费获取并使用这个工具，来为自己的研究课题设计定制化的蛋白质工具。它不再是少数顶尖蛋白质设计中心的“独门秘技”。这种技术的“民主化”，将极大地激发整个生命科学领域的创新活力。一个研究罕见病的团队，可以为他们的靶点设计特异性探针；一个研究植物抗逆性的团队，可以设计分子来调控关键的信号通路。科学创新的门槛被前所未有地降低了。
前方的道路：挑战与机遇并存
当然，BindCraft 也并非完美。正如研究人员在论文结尾处坦诚地指出的，它也存在一些局限。例如，目前用来评估和排序设计方案的核心指标（i_pTM分数），虽然能很好地预测一个binder“能否结合”，但还不能准确地预测它结合的“强度”如何（即亲和力的高低）。此外，所有从零开始设计的人工蛋白质，都面临着一个潜在的挑战：免疫原性 (immunogenicity)。当这些“非天然”的蛋白质被引入人体时，是否会引发免疫系统的排斥反应，这是一个需要在临床前模型中被仔细评估的问题。
然而，这些挑战恰恰也指明了未来的研究方向。随着AI模型的不断迭代，我们有理由相信，未来的BindCraft不仅能设计出结合物，还能精准预测其亲和力、溶解度、稳定性乃至免疫原性。
我们正站在一个激动人心的历史节点。以BindCraft为代表的AI设计工具，正在赋予我们一种前所未有的能力，以原子级的精度，去阅读、书写甚至重构生命的语言。这不仅仅是关于更有效的药物、更精准的诊断或更安全的基因治疗，这是关于人类与自然界关系的重新定义。我们正在从生命的“观察者”，逐渐转变为生命的“共创者”。而这，仅仅是一个开始。
参考文献
Pacesa M, Nickel L, Schellhaas C, Schmidt J, Pyatova E, Kissling L, Barendse P, Choudhury J, Kapoor S, Alcaraz-Serna A, Cho Y, Ghamary KH, Vinué L, Yachnin BJ, Wollacott AM, Buckley S, Westphal AH, Lindhoud S, Georgeon S, Goverde CA, Hatzopoulos GN, Gönczy P, Muller YD, Schwank G, Swarts DC, Vecchio AJ, Schneider BL, Ovchinnikov S, Correia BE. One-shot design of functional protein binders with BindCraft. Nature. 2025 Aug 27. doi: 10.1038/s41586-025-09429-6. Epub ahead of print. PMID: 40866699.
声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！
来源：生物探索一点号1
