Baker Lab ontwerpt AI-proteasen die ziektegerelateerde eiwitten klieven

Twee teams van het Institute for Protein Design van de University of Washington publiceerden op 14 oktober 2026 artikelen in Nature waarin ze proteasen beschrijven die met computationele methoden vanaf nul zijn ontworpen om de polypeptideketen op geselecteerde sequenties te hydrolyseren, waaronder op plaatsen in de met menselijke ziekten geassocieerde eiwitten TDP-43, amyloïd-β en serumamyloïd A.

De amidebindingen die aminozuren in de peptideketen met elkaar verbinden, blijven in een neutrale waterige oplossing honderden jaren stabiel vanwege de hoge energiebarrière voor hydrolyse. Succes met het de-novo-ontwerp van enzymen bleef eerder grotendeels beperkt tot modelreacties met een lage energiebarrière, aldus het artikel over cysteïneproteasen. De ene studie leverde op zink gebaseerde metalloproteasen op; de andere proteasen die werken via een geactiveerde cysteïnenucleofiel. In beide artikelen wordt David Baker als corresponderend auteur vermeld, en Donald Hilvert van ETH Zurich is eveneens corresponderend auteur van beide artikelen.

Een ontwerpproces voor metalloproteasen op basis van zink

In Computationeel ontwerp van metalloproteasen beschrijven mede-eerste auteurs Anqi Chen en Kejia Wu en hun collega’s hoe ze met RFdiffusion-methoden eiwitten ontwierpen met op zink gebaseerde actieve centra die water activeren en zich naast een bindingsholte voor peptidesubstraten bevinden. Van de 135 geteste ontwerpen katalyseerde 36% de klieving van de bijbehorende peptidesubstraten op de beoogde knipbinding, aldus het artikel. Het beste eerste ontwerp versnelde de hydrolyse van peptidebindingen met meer dan 10⁸ keer ten opzichte van de ongekatalyseerde reactie. Volgens het artikel verhoogden vier substituties die versnelling tot meer dan 10¹⁰ keer door de preorganisatie van het actieve centrum te verbeteren.

Het generatieproces combineerde één ronde waarin eerst motiefgestuurde steigers werden gebruikt om ruggengraatstructuren te genereren, gevolgd door sequentieontwerp en filtering met AlphaFold 3. Daarna volgden twee rondes van verfijning met gedeeltelijke diffusie, verdere sequentieontwerpen en filtering, en ten slotte een iteratie van sequentieontwerp en filtering met AlphaFold 3. Om een ontwerp met de naam Zn45 te optimaliseren, screende het team 378 verzadigingsvarianten met één mutatie op 21 aminozuurposities en 148 combinatorische varianten op zes posities. Dit leverde de verbeterde variant Zn45_v2 op, die werd gekarakteriseerd aan de hand van metingen van het totale omzetgetal en de Michaelis-Menten-kinetiek.

De onderzoekers bepaalden kristalstructuren van onder meer de ontwerpen Zn5, TDPr3, ZnO7 en Zn48 en deponeerden die in de Protein Data Bank onder de toegangscodes 11CE, 11CM, 11CP, 11CR, 11CU, 11CY en 11DU. Berekeningen met machinaal geleerde krachtvelden onderzochten de activeringsenergieën voor de stap van nucleofiele aanval bij het natuurlijke zinkprotease astacin en bij de ontwerpen ZnO7 en Zn45. De gegevens en code van de studie zijn beschikbaar op Zenodo.

Selectieve klieving van ziektegeassocieerde eiwitten

Het artikel over metalloproteasen beschrijft ontwerpen die de met menselijke ziekten geassocieerde eiwitten TDP-43, amyloïd-β en serumamyloïd A selectief klieven, met snelheidsverhogingen tot 10⁹ keer. Genoemde voorbeelden zijn TDPr3, gericht op TDP-43; SAAc8, gericht op serumamyloïd A op de sequentie SSRSFFSFLG; en AbetaF3, gericht op amyloïd-β op de sequentie KGAIIGLMVG.

Voor TDP-43 herontwierpen de auteurs een bestaande steigerstructuur om te knippen in het ongeordende C-terminale domein van het eiwit. Dat domein stuurt de vloeistof-vloeistoffasescheiding en oligomerisatie aan. Het ontwerp is dus niet bedoeld om het volledige eiwit af te breken. Het artikel presenteert deze strategie als een manier om dat fasegedrag en de oligomerisatie te moduleren zonder de essentiële nucleaire functies van de gestructureerde domeinen van het eiwit teniet te doen.

Het team ontwierp daarnaast ingekapselde cytokinen en receptorantagonisten die de ontworpen proteasen selectief activeren. Volgens het artikel maakt dit bio-orthogonale controle van de celtoestand mogelijk. De auteurs concluderen dat de-novo-ontwerp zeer actieve, programmeerbare proteasen kan opleveren, met mogelijke toepassingen in de therapie, biotechnologie en bioremediatie.

In een verklaring over belangenconflicten staat dat de voorlopige octrooiaanvragen 64/047,504 en 63/921,483 zijn ingediend voor aspecten van de methoden en ontwerpen. Chen, Wu, Choi, Preetham Venkatesh, Samuel J. Pellock, Hilvert, Asim K. Bera en Baker worden vermeld als uitvinders of bijdragers.

Een tweede proteasefamilie op basis van cysteïne

De tweede studie, De-novo-ontwerp van cysteïneproteasen, met Hojae Choi als eerste auteur, gebruikte een nieuwe deeplearningmethode met de naam RFD2-MI. Deze methode werd ontwikkeld door teamleden Brian Coventry en Magnus S. Bauer om enzymen te ontwerpen die een geactiveerde cysteïnenucleofiel gebruiken om de polypeptideketen op sequentieafhankelijke wijze te hydrolyseren. Volgens het artikel waren 13 van de 69 geteste ontwerpen actief, een succespercentage van 19%, met snelheidsverhogingen ten opzichte van de achtergrondreactie tot 3 × 10⁷.

De ontworpen proteasen hebben vouwingen die sterk afwijken van die van natuurlijke proteasen, met een TM-score lager dan 0,50. Volgens het artikel komen zes kristalstructuren tot op minder dan 1,2 Å overeen met de ontwerpmodellen, gemeten aan de wortelgemiddeldekwadratische afwijking van de Cα-atomen. De structuren zijn in de Protein Data Bank gedeponeerd onder de toegangscodes 9YNL, 9YNM, 9YOX, 9YOY, 9YOZ en 9YP0. In de ontwerppijplijn werd het genereren van ruggengraatstructuren met RFD2-MI afgewisseld met sequentieontwerp met ProteinMPNN en filtering met AlphaFold 3.

In één herontwerpronde voor een protease met de naam Dokki presteerden 24 van de 89 gegenereerde varianten beter dan het oorspronkelijke ontwerp. De verbeteringen in de reactiesnelheid liepen uiteen van 1,2- tot 31-voudig; de variant met de grootste verbetering kreeg de naam Dokki-15. De ontworpen proteasen knipten hun doelwitten efficiënt in zoogdiercellen, zo meldt het artikel. Dit werd aangetoond in HeLa-cellen met een reporterassay die de enzymafhankelijke verplaatsing van substraten volgde, waarbij katalytisch inactieve mutanten als controles dienden. Op basis van hun experimentele en computationele analyses schrijven de auteurs het resterende verschil in activiteit ten opzichte van de meest actieve natuurlijke cysteïneproteasen toe aan onvolkomenheden in de voororganisatie van de actieve plaats en de positionering van het substraat.

Publicatiegeschiedenis, financiering en code

Nature ontving beide artikelen op 14 oktober 2025. Het artikel over cysteïneproteasen werd op 9 september 2026 geaccepteerd en het artikel over metalloproteasen op 15 september 2026. Eerdere versies verschenen in november 2025 als bioRxiv-preprints. De studie naar cysteïneproteasen werd op 22 november 2025 geplaatst en de studie naar metalloproteasen verscheen voor het eerst op 21 november 2025. Deze laatste werd bijgewerkt tot en met een vierde versie op 27 september 2026.

In de financieringsverklaringen worden onder meer het Howard Hughes Medical Institute, de Bill and Melinda Gates Foundation, de Defense Threat Reduction Agency, de National Science Foundation, het National Institute of Allergy and Infectious Diseases en het National Institute on Aging van de National Institutes of Health, het APECx-programma van de Advanced Research Projects Agency for Health, The Audacious Project bij het Institute for Protein Design en het Open Philanthropy Project genoemd. De ontwerp- en analysecode voor de studie naar cysteïneproteasen is openbaar beschikbaar in twee GitHub-repositories. De auteurs van het artikel over cysteïneproteasen verklaarden geen tegenstrijdige belangen te hebben.