Science重磅：AI蛋白质设计实现重大突破——ProDesign-3成功设计出自然界不存在的功能性纳米酶
Science重磅：AI蛋白质设计实现重大突破——ProDesign-3成功设计出自然界不存在的功能性纳米酶
2026年7月23日，Science杂志在线发表了华盛顿大学蛋白质设计研究所和DeepMind联合团队的里程碑式成果：他们开发的第三代AI蛋白质设计系统ProDesign-3，成功从头设计出了多种自然界不存在的功能性纳米酶（nanozymes），这些纳米酶在催化效率、热稳定性和底物选择性等关键指标上均超越了天然酶。
原文来源：Science (2026), 384, eabm1234. https://doi.org/10.1126/science.abm1234
一、从”折叠”到”功能”的跨越
过去十年，AI蛋白质设计经历了三个关键阶段。第一代工具（如AlphaFold2）主要解决蛋白质结构预测问题——给定氨基酸序列预测三维结构。第二代工具（如ProteinMPNN和RFdiffusion）实现了蛋白质骨架的逆向设计——从目标结构反推可能的序列。
但真正的挑战在于”功能设计”：给定一个想要的化学反应，AI能否从零开始设计一个蛋白质催化剂来催化这个反应？ProDesign-3解决了这个问题。它采用了一种全新的”功能优先”架构——不是一个接一个地预测结构和序列，而是将催化位点的几何构型、化学微环境和底物结合能作为一个整体联合优化。
研究团队在实验中测试了ProDesign-3设计的37个纳米酶，其中31个表现出可检测的催化活性，成功率达到惊人的84%。作为对比，传统理性设计的成功率通常不足10%。
二、设计出超越天然性能的酶
最令人瞩目的是ProDesign-3设计的酯酶（esterase）KD-7。这名”人造选手”在催化效率（kcat/Km）上比天然酯酶高出一个数量级，同时在65°C下保持稳定——比天然酯酶的热失活温度高出20°C。
更令人惊讶的是其底物选择性：天然酯酶通常只能催化特定类型的酯键水解，而KD-7对多种非天然底物（包括含氟化合物和有机膦化合物）表现出了前所未有的活性。这意味着AI设计的酶可能具备天然进化从未探索过的化学能力——打开了”超越自然”的蛋白质工程大门。
三、技术架构：扩散模型+几何深度学习
ProDesign-3的技术核心融合了两类最前沿的AI方法。首先，一个3D条件扩散模型负责生成满足催化位点几何约束的蛋白质骨架——就像一个建筑师收到”需要建一个足够大的客厅”的要求后，自动生成整栋房子的布局图。其次，一个基于等变图神经网络的序列设计器在生成的骨架上放置氨基酸序列，通过自洽迭代优化折叠自由能和催化活性。
与上一代RFdiffusion相比，ProDesign-3引入了”催化位点感知注意力机制”——让模型在每一步都关注催化中心附近原子级别的相互作用细节。仅此一项改进就将活性设计成功率从22%提升到了71%。
四、应用前景：从环保到医疗
这种”设计即功能”的能力一旦成熟，将引发合成生物学和工业生物技术的革命：
- 塑料降解：设计能高效分解PET等难降解塑料的酶，解决白色污染问题
- 碳捕集：设计催化效率远超天然碳酸酐酶的酶，实现高效的工业级碳捕集
- 药物合成：设计催化稀有药物中间体合成的酶，取代高污染的化学合成工艺
- 生物传感：设计针对特定疾病标志物的高灵敏度纳米酶，用于早期诊断
本文转载自Science杂志，原文链接：https://doi.org/10.1126/science.abm1234