登 Science，David Baker 团队提出无序区域结合蛋白设计新方法，专攻不可成药靶点
内容提要
研究人员提出了一种名为Logos的蛋白质设计策略，旨在靶向天然无序蛋白（IDPs），以加速新药研发。该方法通过诱导契合结合策略，设计出适应多种无序氨基酸序列的结合蛋白，为癌症和阿尔茨海默症的治疗提供新靶点。
关键要点
-
研究人员提出Logos蛋白质设计策略，靶向天然无序蛋白（IDPs），加速新药研发。
-
传统抗体靶向方法面临无序蛋白靶点的挑战，导致50%以上的天然无序区域被判定为不可用药靶点。
-
David Baker及其团队设计出适应39种无序氨基酸序列的结合蛋白，为癌症和阿尔茨海默症提供新靶点。
-
研究成果发表在Science，建立适合一般识别的模版结构库，实现对任何靶序列的结合适配。
-
模版库生成分为骨架生成、结合口袋特异化和口袋组装三个步骤。
-
结合口袋特异化通过扩散模型微调口袋，以实现与特定目标肽序列的精确匹配。
-
研究利用RFdiffusion模型生成70个设计方案，6个靶点结合率达到了两位数纳摩尔。
-
线程匹配和结构优化步骤用于生成结合蛋白，提升与目标肽的匹配度。
-
研究验证了结合蛋白的功能性及正交性，显示出MSLN_1b1能够特异性结合细胞表面的MSLN。
-
AI技术推动蛋白质靶向研究进入新阶段，相关团队在蛋白质编辑和设计方面取得突破。
延伸解读
无序蛋白的药物开发挑战
天然无序蛋白（IDPs）在药物研发中占据重要地位，但由于其缺乏明确的结构和稳定性，传统的靶向方法往往难以奏效。研究表明，超过50%的无序区域被认为不可用作药物靶点，这限制了新药的开发。因此，针对无序蛋白的创新设计策略显得尤为重要。
Logos策略的创新意义
David Baker团队提出的Logos蛋白质设计策略，通过诱导契合机制，能够针对多种无序氨基酸序列设计结合蛋白。这一方法不仅提高了靶向的灵活性，还为癌症和阿尔茨海默症等疾病的治疗提供了新的可能性，标志着蛋白质设计领域的重大突破。
AI在蛋白质设计中的应用
AI技术的引入为蛋白质靶向研究带来了新的机遇。通过深度学习和扩散模型，研究人员能够更高效地设计结合蛋白，提升与目标肽的匹配度。这种多技术并行的策略，可能会加速新药的研发进程，推动生物医学领域的进一步发展。
延伸问答
Logos蛋白质设计策略的主要目标是什么？
Logos蛋白质设计策略旨在靶向天然无序蛋白（IDPs），以加速新药研发。
David Baker团队在研究中解决了哪些传统抗体靶向方法的挑战？
他们解决了靶向无序蛋白的挑战，传统方法导致50%以上的天然无序区域被判定为不可用药靶点。
Logos策略的设计流程包括哪些步骤？
设计流程包括骨架生成、结合口袋特异化和口袋组装三个步骤。
研究中使用了哪些模型来生成结合蛋白？
研究利用RFdiffusion模型生成70个设计方案，6个靶点结合率达到了两位数纳摩尔。
Logos策略对癌症和阿尔茨海默症的研究有什么影响？
该策略为癌症和阿尔茨海默症提供了新的靶点，有望加快相关疾病的研究和治疗。
研究如何验证结合蛋白的功能性？
研究通过免疫沉淀和荧光显微镜实验验证了结合蛋白的功能性及正交性。
