For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh/articles/baker-lab-ai-proteases-results-and-resear-5ec6df9d.md.
2026年10月14日发表的两篇《Nature》论文报告了通过计算设计的蛋白酶，即能够切割蛋白质肽主链的酶。这些研究来自涉及华盛顿大学蛋白质设计研究所的团队；根据来源报道，David Baker 和 Donald Hilvert 是所列的通讯研究人员之一。
2026年10月14日发表的两篇《Nature》论文报告了通过计算设计的蛋白酶，即能够切割蛋白质肽主链的酶。这些研究来自涉及华盛顿大学蛋白质设计研究所的团队；根据来源报道，David Baker 和 Donald Hilvert 是所列的通讯研究人员之一。
两项研究通过不同的催化机制解决相关问题。一项构建了基于锌的金属蛋白酶，并展示了对选定疾病相关蛋白的切割；另一项设计了半胱氨酸蛋白酶，并报告其在哺乳动物细胞中的活性。
这些是研究结果，而不是临床结果。论文证明了设计具有活性的酶方面取得的进展，同时将治疗递送、安全性和疗效等重大问题留待后续研究解决。
蛋白质是由氨基酸通过酰胺键连接而成的链。肽主链中的这些键在中性水环境中异常稳定，因此，能够结合靶标的分子并不一定具备切割它所需的化学能力。
半胱氨酸蛋白酶论文的摘要解释称，早期从头酶设计的成功主要集中在较容易的模型反应上。设计蛋白酶不仅需要产生看似合理的蛋白质形状：活性位点和底物还必须被定位，以支持一项困难的化学反应。
两项研究通过同时设计催化机制和底物结合环境来应对这一挑战。它们的不同机制构成了彼此独立的验证，而不是一个组合酶系统。
在 《金属蛋白酶的计算设计》 中，研究人员使用 RFdiffusion 方法生成在肽底物结合口袋附近具有基于锌活性位点的蛋白质。与锌相关的位点通过活化水来实现切割反应。
公开摘要报告称，在测试的 135 个设计中，有 36% 在预定键位切割了与其匹配的肽底物。其最佳初始设计使肽键水解速度相对于无催化反应提高了超过 10^8 倍；四处替换使这一数值提高至超过 10^10 倍。
这些是相对于极慢背景反应的速率提升。它们并不是对某种治疗有效性、患者康复率，或与所有天然蛋白酶进行普遍比较的测量结果。
该研究还报告了可选择性切割 TDP-43、β-淀粉样蛋白和血清淀粉样蛋白 A 的设计蛋白酶，速率提升最高可达 10^9 倍。这些蛋白与人类疾病相关，但对选定底物的切割演示本身并不能证明其会给患者带来有益效果。
Unite.AI 还描述了一种 TDP-43 策略：其目标是 TDP-43 无序的 C 端区域，而不是简单地破坏整个蛋白质。这一区别具有意义，因为疾病相关蛋白仍可能承担重要功能；然而，完整的实验说明仍应以研究论文为准，不能在此将其视为已被证实的治疗结果。
在 《半胱氨酸蛋白酶的从头设计》 中，催化策略采用活化的半胱氨酸亲核试剂。其摘要报告称，在测试的 69 个设计中有 13 个具有活性，成功率约为 19%；相对于背景反应，速率提升最高达 3 x 10^7 倍。
这些设计蛋白的折叠方式不同于天然蛋白酶，报告的结构比较评分低于 0.50。六个实验晶体结构与其设计模型高度吻合，Cα 均方根偏差低于 1.2 埃。
这种结构一致性意义重大，因为计算模型本身无法证明制造出的蛋白质会采用预期构象。晶体结构为设计提供了独立的实验验证。
摘要还报告称，这些蛋白酶能在哺乳动物细胞中切割其靶标。这支持其在合成生物学中的潜在应用，但细胞活性不同于证明可安全递送、能够治疗疾病，或在动物或人体内具有适宜行为。
研究人员将其与活性最强的天然半胱氨酸蛋白酶之间的活性差距，归因于活性位点预组织和底物定位仍存在不足。因此，该研究既报告了一种可行的设计方法，也指出了仍待解决的局限。
| 特征 | 金属蛋白酶研究 | 半胱氨酸蛋白酶研究 |
|---|---|---|
| 催化机制 | 与锌相关的水活化 | 活化的半胱氨酸亲核试剂 |
| 初始筛选结果 | 135 个设计中有 36% 具有活性 | 69 个设计中有 13 个具有活性，约为 19% |
| 报告的最高速率提升 | 经四处替换后超过 10^10 倍 | 最高达 3 x 10^7 倍 |
| 疾病相关蛋白示例 | TDP-43、β-淀粉样蛋白和血清淀粉样蛋白 A | 公开摘要未确立同等的疾病治疗主张 |
| 其他结果 | 对设计的笼锁型细胞因子和受体拮抗剂进行选择性激活 | 在哺乳动物细胞中实现靶标切割，并获得高度吻合的晶体结构 |
这些速率数据不应被用作简单的优劣排名表。它们来自不同的催化机制、底物和实验条件；并不能证明两种方法在同一实际应用中的表现如何比较。
金属蛋白酶论文的公开数据声明指向一条包含研究数据和代码的 Zenodo 记录。半胱氨酸论文链接了两个 GitHub 仓库：一个用于设计流程，另一个用于实验数据分析；同时列出了存入 Protein Data Bank 的晶体结构。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
设计仓库描述了骨架生成、序列设计和基于结构的筛选。其工作流程整合了与 RFdiffusion 相关的方法、ProteinMPNN、基于 Rosetta 的处理流程以及 AlphaFold 3 预测，并在连续轮次中实施越来越严格的筛选。
重要的是，该仓库将自身描述为编排与分析代码。它不包含模型权重、容器或完整计算环境，并明确要求采用特定站点的路径和配置。其小型演示数据集是模拟数据，因此运行该演示只能测试软件工作流程的部分环节，而不能复现实验生物学结果。
这些资源提高了可审查性，并为具备资质的研究人员提供了起点。它们不是现成的治疗方案，不是可以通过一条命令复现所有结果的方法，也不能证明预测出的酶无需实验室验证就会具有活性。
两篇论文共同表明，从头设计能够产生可完成高化学难度反应的酶，结构和功能测量为计算工作提供了支持。疾病相关蛋白示例为进一步研究选择性切割提供了理由，而细胞结果则将证据扩展到纯化分子系统之外。
潜在应用包括研究工具、合成生物学，以及最终的治疗开发。走向治疗应用还需要更多证据，包括在复杂生物环境中的选择性、暴露情况、递送能力、免疫反应，以及切割是否产生预期的生物学效应。
此处审查的公开证据没有确立任何针对神经退行性疾病或其他人类病症的获批治疗。恰当的结论是：可编程蛋白质切割酶设计取得了研究进展，但研究能力与已证实的医疗获益之间仍有明确区别。
它们是使用包括机器学习模型在内的计算设计方法开发的蛋白质切割酶。所报告的研究将计算提案与实验室测量相结合，而不是将预测结构视为活性的证据。
金属蛋白酶论文的摘要列出了 TDP-43、β-淀粉样蛋白和血清淀粉样蛋白 A。这证明了针对性切割实验，而不是对与这些蛋白相关疾病的治疗。
一项研究设计了与锌相关的活性位点，通过活化水来进行反应。另一项使用活化的半胱氨酸亲核试剂，为肽主链切割提供了不同的化学路径。
它比较的是报告中的优化酶反应与相应无催化背景反应。它不意味着某种疗法的效果提高了一百亿倍，也不意味着该酶比所有天然蛋白酶都更快。
此处审查的证据并未确立临床治疗效果或获批药物。蛋白质切割实验和哺乳动物细胞检测属于较早期的研究证据，仍需要开展额外的安全性和有效性研究。
作者公开了代码和结构数据，但设计仓库需要外部模型、工具和特定站点配置。其轻量级演示使用模拟数据，不能替代实验复现。
两篇论文展示了通过不同的基于锌和基于半胱氨酸机制设计的蛋白酶。其报告证据包括实测切割、结构验证、选定疾病相关底物以及在哺乳动物细胞中的活性。
这一进展是可编程蛋白质切割酶领域的实验研究进步；临床获益仍是需要进一步研究的独立问题。
从一句话开始，几分钟内拿到完整网站。
