Il Baker Lab progetta proteasi IA che scindono proteine associate a malattie

Due gruppi dell’Institute for Protein Design della University of Washington hanno pubblicato su Nature, il 14 ottobre 2026, articoli in cui presentano proteasi progettate da zero con metodi computazionali, capaci di idrolizzare lo scheletro polipeptidico in sequenze specifiche, comprese quelle presenti nelle proteine umane associate a malattie TDP-43, amiloide-β e amiloide sierica A.

I legami ammidici che uniscono gli amminoacidi lungo lo scheletro peptidico sono stabili per centinaia di anni in soluzione acquosa neutra, a causa dell’elevata barriera energetica all’idrolisi; inoltre, come afferma l’articolo sulle proteasi di cisteina, in precedenza i successi nella progettazione de novo di enzimi erano stati in gran parte limitati a reazioni modello con una bassa barriera energetica. Uno studio ha prodotto metalloproteasi a base di zinco; l’altro proteasi che agiscono attraverso un nucleofilo di cisteina attivato. David Baker è indicato come autore corrispondente in entrambi gli articoli, così come Donald Hilvert dell’ETH Zurich.

Una pipeline di progettazione di metalloproteasi a base di zinco

In Progettazione computazionale di metalloproteasi, i co-primi autori Anqi Chen e Kejia Wu e i loro colleghi descrivono l’uso dei metodi RFdiffusion per progettare proteine con siti attivi a base di zinco che attivano l’acqua, adiacenti a una tasca di legame per il substrato peptidico. Secondo l’articolo, su 135 progetti sottoposti a test, il 36% ha catalizzato la scissione dei rispettivi substrati peptidici nel legame scissile previsto. Il miglior progetto iniziale ha accelerato l’idrolisi del legame peptidico di oltre 10⁸ volte rispetto alla reazione non catalizzata; secondo l’articolo, quattro sostituzioni hanno portato tale accelerazione a oltre 10¹⁰ volte, migliorando la preorganizzazione del sito attivo.

Il processo di generazione ha combinato un ciclo iniziale di generazione dello scheletro guidata da motivi con la progettazione della sequenza e il filtraggio tramite AlphaFold 3, seguito da due cicli di perfezionamento mediante diffusione parziale, con ulteriore progettazione della sequenza e filtraggio, e da un’iterazione finale tra progettazione della sequenza e filtraggio tramite AlphaFold 3. Per ottimizzare un progetto denominato Zn45, il gruppo ha esaminato 378 varianti a saturazione a singolo sito in 21 posizioni dei residui e 148 varianti combinatorie in sei posizioni, ottenendo una variante migliorata, Zn45_v2, caratterizzata mediante misurazioni del numero totale di turnover e della cinetica di Michaelis–Menten.

I ricercatori hanno determinato le strutture cristalline di diversi progetti, tra cui Zn5, TDPr3, ZnO7 e Zn48, e le hanno depositate nella Protein Data Bank con i codici di accesso 11CE, 11CM, 11CP, 11CR, 11CU, 11CY e 11DU. Calcoli basati su campi di forza appresi automaticamente hanno esaminato le energie di attivazione della fase di attacco nucleofilo dell’astacina, una proteasi naturale a base di zinco, e dei progetti ZnO7 e Zn45. I dati e il codice dello studio sono disponibili su Zenodo.

Scissione selettiva di proteine associate a malattie

L’articolo sulle metalloproteasi presenta progetti capaci di scindere selettivamente le proteine umane associate a malattie TDP-43, amiloide-β e amiloide sierica A, con aumenti della velocità fino a 10⁹ volte. Tra gli esempi citati figurano TDPr3, diretto contro TDP-43; SAAc8, diretto contro l’amiloide sierica A nella sequenza SSRSFFSFLG; e AbetaF3, diretto contro l’amiloide-β nella sequenza KGAIIGLMVG.

Per TDP-43, gli autori hanno riprogettato uno scaffold esistente affinché tagliasse la proteina all’interno del suo dominio C-terminale disordinato, che regola la separazione di fase liquido-liquido e l’oligomerizzazione, invece di degradare la proteina a lunghezza intera. L’articolo presenta questa strategia come un modo per modulare tale comportamento di fase e l’oligomerizzazione senza abolire le funzioni nucleari essenziali dei domini strutturati della proteina.

Il gruppo ha inoltre progettato citochine e antagonisti dei recettori in forma inattiva, che le proteasi progettate attivano selettivamente; secondo l’articolo, ciò consente di controllare in modo bioortogonale lo stato cellulare. Gli autori concludono che la progettazione de novo può produrre proteasi altamente attive e programmabili, con potenziali applicazioni in ambito terapeutico, biotecnologico e di biorisanamento.

Una dichiarazione sui conflitti di interesse afferma che sono state depositate le domande di brevetto provvisorie 64/047,504 e 63/921,483, relative ad alcuni aspetti dei metodi e dei progetti, e indica Chen, Wu, Choi, Preetham Venkatesh, Samuel J. Pellock, Hilvert, Asim K. Bera e Baker come inventori o collaboratori.

Una seconda famiglia di proteasi basata sulla cisteina

Il secondo studio, Progettazione de novo di proteasi di cisteina, con Hojae Choi come primo autore, ha utilizzato un nuovo metodo di deep learning, denominato RFD2-MI e sviluppato dai membri del gruppo Brian Coventry e Magnus S. Bauer, per progettare enzimi che sfruttano un nucleofilo di cisteina attivato per idrolizzare lo scheletro polipeptidico in modo dipendente dalla sequenza. L’articolo riporta 13 progetti attivi su 69 sottoposti a test, pari al 19%, con aumenti della velocità rispetto alla reazione di fondo fino a 3 × 10⁷ volte.

Secondo l’articolo, le proteasi progettate adottano ripiegamenti molto diversi da quelli delle proteasi naturali, con un punteggio TM inferiore a 0,50; inoltre, sei strutture cristalline corrispondono ai modelli di progettazione con una deviazione quadratica media delle distanze Cα inferiore a 1,2 Å. Le strutture sono state depositate nella Protein Data Bank con i codici di accesso 9YNL, 9YNM, 9YOX, 9YOY, 9YOZ e 9YP0. La pipeline di progettazione ha alternato la generazione dello scheletro con RFD2-MI, la progettazione della sequenza con ProteinMPNN e il filtraggio tramite AlphaFold 3.

In un ciclo di riprogettazione applicato a una proteasi denominata Dokki, 24 delle 89 varianti generate hanno superato il progetto originale, con miglioramenti del tasso compresi tra 1,2 e 31 volte; la variante con il miglioramento più marcato è stata denominata Dokki-15. Secondo quanto riportato nell’articolo, le proteasi progettate hanno scisso efficacemente i rispettivi bersagli nelle cellule di mammifero, come dimostrato in cellule HeLa mediante un saggio reporter che monitorava la rilocalizzazione del substrato dipendente dall’enzima, utilizzando come controlli mutanti cataliticamente inattivi. Le analisi sperimentali e computazionali degli autori attribuiscono il divario residuo di attività rispetto alle proteasi a cisteina native più attive a imperfezioni nella preorganizzazione del sito attivo e nel posizionamento del substrato.

Cronologia delle pubblicazioni, finanziamenti e codice

Nature ha ricevuto entrambi gli articoli il 14 ottobre 2025; l’articolo sulle proteasi a cisteina è stato accettato il 9 settembre 2026 e quello sulle metalloproteasi il 15 settembre 2026. Versioni precedenti sono apparse come preprint su bioRxiv nel novembre 2025: lo studio sulle proteasi a cisteina è stato pubblicato il 22 novembre 2025, mentre lo studio sulle metalloproteasi è apparso per la prima volta il 21 novembre 2025 ed è stato rivisto fino a una quarta versione, il 27 settembre 2026.

Le dichiarazioni sui finanziamenti elencano l’Howard Hughes Medical Institute, la Bill and Melinda Gates Foundation, la Defense Threat Reduction Agency, la National Science Foundation, il National Institute of Allergy and Infectious Diseases e il National Institute on Aging dei National Institutes of Health, il programma APECx dell’Advanced Research Projects Agency for Health, The Audacious Project presso l’Institute for Protein Design e l’Open Philanthropy Project, oltre ad altri finanziatori. Il codice per la progettazione e l’analisi dello studio sulle proteasi a cisteina è disponibile pubblicamente in due repository GitHub e gli autori dell’articolo sulle proteasi a cisteina hanno dichiarato di non avere interessi concorrenti.