ИИ спроектировал белки, разрезающие другие белки

Исследователи из лаборатории нобелевского лауреата Дэвида Бейкера в Вашингтонском университете использовали инструменты ИИ-дизайна белков для создания протеаз — ферментов, расщепляющих пептидные связи. Работа опубликована в Ars Technica. Пептидные связи сами по себе крайне стабильны: их период полураспада в воде оценивается в несколько сотен лет, поэтому без катализатора реакция разрыва практически не идёт.

В природе организмы выработали несколько механизмов катализа. В новом исследовании за основу взяли два типа протеаз: цинковую (из пищеварительной системы речного рака) и цистеиновую (из дрожжей). Оба механизма требуют точного расположения нескольких ключевых аминокислот в активном центре, которые обеспечивают разрыв связи. Остальная часть белка может влиять на специфичность — например, протеаза, активирующая инсулин, разрезает только рядом с определённой последовательностью аминокислот.

Учёные применили подход, напоминающий эволюцию, но с использованием генеративных моделей. Сначала инструмент RFdiffusion2 создавал белковый каркас с учётом ограничений: он должен был сблизить каталитические аминокислоты и вместить целевую последовательность, которую нужно разрезать. Затем ProteinMPNN подбирал конкретные аминокислоты вдоль каркаса, обеспечивая правильное сворачивание и формирование активного центра. Для проверки структуры использовали AlphaFold3 — ни один из дизайнов не совпал с известными белками в базах данных.

Для цистеиновой протеазы исследователи протестировали 12 каркасов и 69 наборов аминокислот. Успешными оказались 13 дизайнов (около 19% успеха), но их активность была значительно ниже, чем у исходного дрожжевого фермента. В случае цинковой протеазы сначала протестировали 89 дизайнов без учёта молекулы воды, и только 14 показали слабую каталитическую активность. Когда воду добавили в качестве дополнительного ограничения при дизайне, успех вырос: 35 из 38 конструкций проявили активность, хотя по-прежнему уступали природному аналогу.

Работа демонстрирует, что ИИ-инструменты способны создавать функциональные ферменты с нуля, заменяя большую часть природного белка. Это открывает путь к проектированию протеаз, нацеленных на конкретные белки, например связанные с нейродегенеративными заболеваниями. Однако низкая активность полученных ферментов указывает на то, что до практического применения ещё далеко.

Исследование также подтверждает, что генеративный дизайн белков может не просто копировать существующие структуры, а создавать новые. Использование AlphaFold3 для валидации показало отсутствие близких аналогов в базах данных. Это важный шаг к управляемому созданию ферментов с заданными свойствами, хотя конкуренция с природными катализаторами пока остаётся сложной задачей.