机器学习引导的蛋白质序列优化：提升谷氨酰胺结合蛋白结构稳定性和配体结合能力的新策略

本研究针对蛋白质工程中多目标优化难题，开发了基于机器学习(ML)的迭代优化框架。研究人员以谷氨酰胺结合蛋白(QBP)为模型，通过整合遗传算法(GA)、Rosetta结构模拟和主动学习策略，成功实现了ΔΔG(结合自由能)和Rosetta Total score(结构稳定性)的同步优化。该工作发表于《International Journal of Biological Macromolecules》，创新性地将AI预测模型与实验验证闭环结合，为复杂蛋白质属性的理性设计提供了高效解决方案。

在生命科学领域，蛋白质犹如精密的分子机器，其功能取决于复杂的三维结构和精细的氨基酸序列。然而，传统蛋白质工程面临巨大挑战：定向进化耗时费力，分子动力学模拟计算成本高昂，而理性设计难以平衡稳定性、结合亲和力等多重目标。特别是当需要同时优化相互冲突的蛋白质特性时，如提高热稳定性(T_m)的同时增强配体结合能力(ΔΔG)，常规方法往往束手无策。

韩国科学技术研究院的Young-Joon Ko、Keunwan Park团队在《International Journal of Biological Macromolecules》发表的研究，开创性地将机器学习(ML)与迭代优化相结合，以谷氨酰胺结合蛋白(QBP)为模型系统，开发出高效的蛋白质工程新范式。研究团队首先构建了包含15,000个突变体的训练数据集，采用Rosetta计算ΔΔG、Total score和形状互补性(SC)等结构参数。随后建立随机森林模型预测这些特性，并设计遗传算法(GA)进行多目标序列优化。通过三轮迭代，模型预测性能显著提升，相关系数从0.38增至0.62。

关键技术包括：1) Rosetta结构建模与能量计算；2) 基于随机森林的机器学习预测模型；3) 遗传算法驱动的序列优化；4) AlphaFold3(AF3)结构预测验证；5) 分子动力学(MD)模拟结合MM-PBSA自由能计算。实验验证采用大肠杆菌表达系统和圆二色谱(CD)测定热稳定性。

【2.1 序列优化工作流程】

研究设计了包含模型引导采样、数据生成和模型优化的三阶段循环。通过Rosetta模拟生成初始训练数据后，ML模型指导GA探索序列空间，每轮仅验证高分序列实现数据高效利用。

【2.2 QBP突变位点选择】

聚焦17个关键位点，包括配体结合口袋5Å内残基和铰链区，理论序列空间达2×10¹²种。通过共进化分析(PMAT)确定功能关键位点如D66、G80等。

【2.3 不同权重评分函数的优化】

比较五种权重组合(ΔΔG:Total score从100:0到0:100)，发现专一优化ΔΔG可使结合能降低3.2 kcal/mol，而纯稳定性优化意外提升ΔΔG 1.5 kcal/mol，揭示二者部分协同。

【2.4 ML模型预测性能】

三轮优化后，Total score预测R²达0.72，ΔΔG模型R²=0.68，显著优于初轮性能(R²=0.38)。

【2.5 优化序列的结构分析】

特征重要性分析显示：ΔΔG关键位点(D66、V155)直接接触配体；稳定性关键位点(F77、Y82)位于铰链区。AF3预测显示D181突变显著影响结合口袋几何。

【2.6 实验与预测差异】

10个突变体的CD实验显示，Rosetta Total score与实测T_m相关性弱(r=0.038)，暴露了物理力场的局限性。

【2.7 AF3模型的验证】

AF3预测结构与实验T_m高度相关，其中SMINA对接评分相关性最强(r=−0.814)。ProGen2序列似然评分也展现预测潜力(p=0.067)。

【2.8 AI方法整合展望】

指出AF3和ProteinMPNN等AI工具可弥补传统方法的不足，但需注意计算成本与构象动态预测的平衡。

研究结论强调，该ML框架成功实现了QBP多目标优化，三轮迭代使ΔΔG和Total score同步提升。关键创新在于：1) 建立属性特异性预测模型；2) 开发可定制评分函数的灵活优化系统；3) 揭示稳定性与结合能的协同位点。尽管Rosetta评分与实验存在偏差，但AF3结构预测和AI衍生指标(如ProGen2评分)展现出强大互补价值。这项工作为膜蛋白、多聚体等复杂系统的工程化提供了普适性方法论，标志着蛋白质设计进入智能化迭代新时代。

讨论部分特别指出，维持"预组织结合位点"(pre-organized binding site)是平衡稳定性和结合亲和力的关键。未来通过整合AF3预测和语言模型，可进一步突破现有蛋白质工程的技术瓶颈。该研究不仅为生物传感器、CID系统开发奠定基础，更为工业酶、治疗性蛋白的理性设计开辟了新途径。