Jennifer Doudna 团队实现AI驱动的超越自然演化的蛋白质从头设计

突破性进展：AI设计出活性超越天然酶的RNA引导核酸酶

Jennifer Doudna 团队在《Science》发表最新研究成果，首次实现真正意义上‘超越自然演化’的AI蛋白质从头设计。他们以小型RNA引导核酸酶TnpB为模板，构建出一系列序列高度分化、结构稳定且功能增强的人工蛋白——SynTnpB变体。其中多个变体在人类与植物细胞中的基因编辑效率显著高于天然TnpB，部分达到野生型的1.8倍。

全新设计范式：结构+进化双约束的AI生成策略

区别于依赖序列相似性的传统语言模型，该研究提出一种融合三维结构信息与多序列比对进化信号的生成式设计框架。核心在于：以ESM-IF1逆折叠模型为基础，引入基于位置保守性（Ci）和共进化耦合强度（σi）的动态序列掩码机制——关键功能位点被锁定为野生型残基，其余区域交由AI自由重设计。这一策略既保障催化核心与折叠完整性，又释放了识别界面的创新空间。

模块化筛选验证：REC与NUC结构域差异化耐受性揭示设计规律

团队发现TnpB两个主要结构域对序列扰动的响应截然不同：NUC（负责RNA结合与RuvC催化）展现出更强的序列可塑性，而REC（主导DNA识别）则高度敏感。据此，他们将全长蛋白拆分为REC-NUC组合，在1980种人工配对中成功筛选出9个高活性、高多样性的SynTnpB变体。该模块化思路不仅提升筛选效率，也为多结构域蛋白的理性设计提供了可复用的方法论。

跨物种功能验证：从细菌到人源细胞均展现卓越编辑能力

所有入选变体均在细菌毒素系统中通过初筛，并进一步在HEK293T人类细胞及拟南芥原生质体中完成功能性验证。其中v1与v5在多数靶点上编辑效率持续优于野生型；v1在植物系统中亦保持全面优势。值得注意的是，Western blot显示各变体表达量并无显著差异，表明活性提升源于内在功能优化，而非表达水平变化。

冷冻电镜解析：首次捕获AI设计蛋白的动态构象与新相互作用

研究团队对高活性变体v7进行高分辨率（2.8 Å）冷冻电镜结构解析，首次获得AI设计RNA引导核酸酶的完整三维构象。结果揭示：AI引入的非天然残基广泛参与RNA-DNA界面稳定，在TAM结合态与R-loop形成态中分别形成新的氢键网络与疏水接触。尤为关键的是，结构中清晰捕捉到此前从未在TnpB家族中观测到的TAM结合中间态——AI生成的N4R残基协同保守K84构成‘磷酸锁’，精准锚定种子区单碱基配对，证实AI不仅能模拟自然机制，更能催生全新分子识别模式。

方法论启示与未来方向

本工作标志着生成式生物学从‘拟真’迈向‘创生’的关键转折。其技术路径不依赖已有天然序列库的微调，而是以物理约束与进化规律为锚点，主动拓展蛋白质序列与功能空间。后续研究将聚焦三方面延伸：一是验证模块化设计原则在Cas12、Cas13等其他RNA引导效应蛋白中的普适性；二是构建更均衡、覆盖多态核酸复合物的训练数据集，降低对单一进化谱系的依赖；三是结合单分子成像与计算模拟，深入解析AI残基如何调控构象动力学与反应能垒，推动从‘能用’到‘可控’的跃迁。