Baker Lab utvikler AI-proteaser som spalter sykdomsrelaterte proteiner

To team ved Institute for Protein Design ved University of Washington publiserte artikler i Nature 14. oktober 2026. De rapporterte om proteaser som var utviklet fra grunnen av ved hjelp av beregningsmetoder, og som hydrolyserer polypeptidryggraden ved utvalgte sekvenser, blant annet på steder i de sykdomsrelaterte menneskeproteinene TDP-43, amyloid-β og serum amyloid A.

Amidbindingene som binder sammen aminosyrene langs peptidryggraden, er stabile i hundrevis av år i nøytral vandig løsning på grunn av den høye energibarrieren for hydrolyse. Artikkelen om cysteinproteaser fastslår at tidligere forsøk på å utvikle enzymer fra grunnen av i stor grad hadde vært begrenset til modellreaksjoner med lave energibarrierer. Den ene studien utviklet sinkbaserte metalloproteaser, mens den andre utviklet proteaser som virker gjennom en aktivert cysteinnukleofil. Begge artiklene oppgir David Baker som korresponderende forfatter, og Donald Hilvert ved ETH Zurich er korresponderende forfatter på begge.

En pipeline for utvikling av sinkbaserte metalloproteaser

I Beregningsbasert utvikling av metalloproteaser beskriver førsteforfatterne Anqi Chen og Kejia Wu, sammen med kollegene sine, hvordan de brukte RFdiffusion-metoder til å utvikle proteiner med sinkbaserte aktive seter som aktiverer vann, plassert ved siden av en bindingslomme for peptidsubstratet. Ifølge artikkelen katalyserte 36 % av de 135 testede designene spalting av de tilhørende peptidsubstratene ved den tiltenkte spaltningsbindingen. Det beste av de opprinnelige designene økte hastigheten på peptidbindingshydrolysen mer enn 10⁸ ganger sammenlignet med den ukatalyserte reaksjonen. Fire aminosyresubstitusjoner økte denne hastighetsøkningen til mer enn 10¹⁰ ganger ved å forbedre den forhåndsorganiserte strukturen i det aktive setet, ifølge artikkelen.

Utviklingsprosessen kombinerte én runde med innledende generering av ryggraden med et motiv som stillas, etterfulgt av sekvensdesign og filtrering med AlphaFold 3. Deretter fulgte to runder med foredling ved delvis diffusjon, med ytterligere sekvensdesign og filtrering, og til slutt en iterasjon mellom sekvensdesign og filtrering med AlphaFold 3. For å optimalisere et design kalt Zn45 undersøkte teamet 378 enkeltposisjonsvarianter med metning på tvers av 21 aminosyrerester og 148 kombinatoriske varianter på tvers av seks posisjoner. Dette resulterte i den forbedrede varianten Zn45_v2, som ble karakterisert ved målinger av totalt omsetningstall og kinetiske målinger etter Michaelis–Menten-modellen.

Forskerne bestemte krystallstrukturer for blant annet designene Zn5, TDPr3, ZnO7 og Zn48 og deponerte dem i Protein Data Bank med tilgangskodene 11CE, 11CM, 11CP, 11CR, 11CU, 11CY og 11DU. Beregninger med maskinlærte kraftfelt undersøkte aktiveringsenergiene for trinnet med nukleofilt angrep i den naturlige sinkproteasen astacin og i designene ZnO7 og Zn45. Dataene og koden fra studien er tilgjengelige på Zenodo.

Selektiv spalting av sykdomsrelaterte proteiner

Artikkelen om metalloproteaser beskriver design som selektivt spalter de sykdomsrelaterte menneskeproteinene TDP-43, amyloid-β og serum amyloid A, med hastighetsøkninger på opptil 10⁹ ganger. Eksempler på navngitte design er TDPr3, som er rettet mot TDP-43; SAAc8, som er rettet mot serum amyloid A ved sekvensen SSRSFFSFLG; og AbetaF3, som er rettet mot amyloid-β ved sekvensen KGAIIGLMVG.

For TDP-43 redesignet forfatterne et eksisterende stillas slik at det spalter proteinet i den uordnede C-terminale delen, som styrer væske-væske-faseseparasjon og oligomerisering, i stedet for å bryte ned hele proteinet. Artikkelen presenterer denne strategien som en måte å regulere denne faseatferden og oligomeriseringen på uten å slå ut de essensielle kjernefunksjonene til proteinets strukturerte domener.

Teamet utviklet også kageforseglede cytokiner og reseptorantagonister som de utviklede proteasene aktiverer selektivt. Ifølge artikkelen gjør dette det mulig å styre celletilstanden bioortogonalt. Forfatterne konkluderer med at utvikling fra grunnen av kan gi svært aktive, programmerbare proteaser med mulige bruksområder innen terapi, bioteknologi og bioremediering.

En erklæring om interessekonflikter opplyser at det er levert inn foreløpige patentsøknader med numrene 64/047,504 og 63/921,483, knyttet til aspekter ved metodene og designene. Chen, Wu, Choi, Preetham Venkatesh, Samuel J. Pellock, Hilvert, Asim K. Bera og Baker er oppført som oppfinnere eller bidragsytere.

En annen proteasefamilie basert på cystein

Den andre studien, Utvikling av cysteinproteaser fra grunnen av, hadde Hojae Choi som førsteforfatter. Forskerne brukte en ny dyplæringsmetode kalt RFD2-MI, utviklet av teammedlemmene Brian Coventry og Magnus S. Bauer, til å utvikle enzymer som bruker en aktivert cysteinnukleofil til å hydrolysere polypeptidryggraden på en sekvensavhengig måte. Artikkelen rapporterer at 13 av 69 testede design var aktive, en andel på 19 %, og at reaksjonshastigheten var opptil 3 × 10⁷ ganger høyere enn bakgrunnsreaksjonen.

De utviklede proteasene har foldinger som er svært forskjellige fra naturlige proteasers, med en TM-skår under 0,50. Ifølge artikkelen samsvarer seks krystallstrukturer med designmodellene med et rotmiddelkvadratavvik for Cα på under 1,2 Å. Strukturene ble deponert i Protein Data Bank med tilgangskodene 9YNL, 9YNM, 9YOX, 9YOY, 9YOZ og 9YP0. Designpipelinen vekslet mellom generering av ryggraden med RFD2-MI, sekvensdesign med ProteinMPNN og filtrering med AlphaFold 3.

I en redesignrunde for en protease kalt Dokki presterte 24 av 89 genererte varianter bedre enn utgangsdesignet, med forbedringer i reaksjonshastighet fra 1,2 til 31 ganger. Varianten med størst forbedring fikk navnet Dokki-15. Ifølge artikkelen spaltet de designede proteasene målproteinene effektivt i pattedyrceller. Dette ble vist i HeLa-celler ved hjelp av en reporteranalyse som fulgte enzymavhengig relokalisering av substratet, med katalytisk inaktive mutanter som kontroller. Forfatternes eksperimentelle og beregningsbaserte analyser tilskriver det gjenværende aktivitetsgapet sammenlignet med de mest aktive naturlige cysteinproteasene mangler i forhåndsorganiseringen av det aktive setet og i posisjoneringen av substratet.

Publikasjonshistorikk, finansiering og kode

Nature mottok begge artiklene 14. oktober 2025. Artikkelen om cysteinproteaser ble godkjent 9. september 2026, og artikkelen om metalloproteaser ble godkjent 15. september 2026. Tidligere versjoner ble publisert som bioRxiv-forhåndsutskrifter i november 2025. Studien av cysteinproteaser ble lagt ut 22. november 2025, og studien av metalloproteaser ble først lagt ut 21. november 2025 og revidert gjennom en fjerde versjon 27. september 2026.

Finansieringsopplysningene nevner Howard Hughes Medical Institute, Bill and Melinda Gates Foundation, Defense Threat Reduction Agency, National Science Foundation, National Institute of Allergy and Infectious Diseases og National Institute on Aging under National Institutes of Health, APECx-programmet til Advanced Research Projects Agency for Health, The Audacious Project ved Institute for Protein Design og Open Philanthropy Project, samt andre finansiører. Kode for design og analyse i studien av cysteinproteaser er offentlig tilgjengelig i to GitHub-arkiver, og forfatterne av artikkelen om cysteinproteaser oppga ingen interessekonflikter.