催化能力提高 3.5 倍！中科院团队基于扩散模型，开发 P450 酶从头设计方法 P450Diffusion
内容提要
中国科学院天津工业生物技术研究所的研究人员开发了一种新型P450酶设计方法P450Diffusion，通过扩散模型和口袋设计原则成功生成了比自然界P450酶更活性更稳定的新酶。研究人员还剖析了P450酶进化过程中新功能的起源机制，并提出了「三点固定原则」。该研究为新功能P450酶设计提供了新思路，有望在生物工程和工业催化领域发挥作用。
延伸解读
从自然进化到人工设计：P450Diffusion 的突破
传统定向进化依赖随机诱变和高通量筛选，难以详尽探索蛋白质序列空间。P450Diffusion 结合扩散模型与口袋设计原则，从 226,509 个天然 P450 序列中学习，生成具有更高活性和稳定性的新酶。实验显示，部分设计酶的催化能力比天然酶提升 1.3 至 3.5 倍，展示了人工智能在酶工程中的潜力。
「三点固定原则」：催化口袋的设计密码
研究通过祖先序列重建和回复突变，确定了 5 个创始残基，并提出了「三点固定原则」：底物芹菜素的 4’-OH、B 环和 7-OH 分别通过氢键和 π 堆积作用被固定，使底物处于近反应构象。这一原则为设计具有期望功能的 P450 酶提供了理论指导，也解释了自然进化中新功能的起源机制。
P450Diffusion 的工作流程与验证
P450Diffusion 包含预训练和微调两个扩散模型。预训练模型学习天然 P450 序列的分布，微调模型则约束 5 个创始残基以重现「三点固定」原则。研究人员虚拟筛选了 6 万个生成序列，选择 17 个进行实验验证，其中 10 个具有 F6H 活性，6 个催化能力显著优于天然酶。
AI 酶工程的未来与挑战
尽管 P450Diffusion 取得了成功，但酶功能的实验表征仍耗时且困难。文章提到，机器学习模型如 ESP 可预测酶-底物对，准确度超过 91%；CoSaNN 和 SolvIT 等策略进一步优化了酶的表达和稳定性。未来，人工智能有望降低生物制造成本，推动工业催化应用，但需克服数据质量和模型泛化等挑战。
Q&A
P450Diffusion方法的主要创新点是什么？
P450Diffusion结合了扩散模型和口袋设计原则，成功生成了比自然界P450酶更活性和稳定的新酶。
新设计的P450酶催化能力提升了多少？
新酶的催化能力提升了1.3至3.5倍。
研究中提出的“三点固定原则”是什么？
三点固定原则指的是与底物芹菜素分子中三个关键枢纽的相互作用，确保催化口袋的有效功能。
P450Diffusion模型是如何构建的？
模型通过筛选226,509个P450酶序列作为训练数据集，并结合预训练和微调扩散模型进行构建。
该研究对生物工程和工业催化领域的影响是什么？
该研究为新功能P450酶设计提供了新思路，有望在生物工程和工业催化领域发挥重要作用。
研究人员如何验证新酶的催化活性？
研究人员通过在酵母表达系统中合成新酶，并使用HPLC分析其催化活性进行验证。
