AI-modeller och plattformar

Baker Lab utformar AI-proteaser som klyver sjukdomsassocierade proteiner

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Två team vid University of Washingtons Institute for Protein Design publicerade den 14 oktober 2026 artiklar i Nature där de rapporterade om proteaser som utformats från grunden med beräkningsmetoder för att hydrolysera polypeptidkedjan vid utvalda sekvenser, bland annat på ställen i de sjukdomsassocierade humana proteinerna TDP-43, amyloid-β och serumamyloid A.

Amidbindningarna som länkar samman aminosyrorna längs peptidkedjan är stabila i hundratals år i en neutral vattenlösning, eftersom hydrolys kräver att en hög energibarriär övervinns. Framgångar med de novo-design av enzymer hade tidigare till stor del begränsats till modellreaktioner med låg energibarriär, enligt artikeln om cysteinproteaser. Den ena studien framställde zinkbaserade metalloproteaser, medan den andra framställde proteaser som verkar genom en aktiverad cysteinnukleofil. David Baker anges som korresponderande författare i båda artiklarna, och Donald Hilvert vid ETH Zurich är korresponderande författare till båda.

En designpipeline för zinkbaserade metalloproteaser

I Beräkningsbaserad design av metalloproteaser beskriver de gemensamma förstaförfattarna Anqi Chen och Kejia Wu och deras kollegor hur de använde RFdiffusion-metoder för att utforma proteiner med zinkbaserade aktiva centra som aktiverar vatten och ligger intill en bindningsficka för peptidsubstrat. Av de 135 designer som testades katalyserade 36 % klyvning av sina motsvarande peptidsubstrat vid den avsedda klyvningsbindningen, rapporterar artikeln. Den bästa ursprungliga designen påskyndade hydrolysen av peptidbindningar mer än 10⁸ gånger jämfört med den okatalyserade reaktionen, och fyra substitutioner ökade accelerationen till mer än 10¹⁰ gånger genom att förbättra förorganisationen av det aktiva centret, enligt artikeln.

Genereringsprocessen kombinerade en första omgång av ryggradsdesign med hjälp av motiv och ställningar med sekvensdesign och filtrering med AlphaFold 3, följt av två omgångar av förfining med partiell diffusion och ytterligare sekvensdesign och filtrering, samt en sista växling mellan sekvensdesign och filtrering med AlphaFold 3. För att optimera en design vid namn Zn45 undersökte teamet 378 enkelställevarianter med mättnadsmutagenes vid 21 aminosyrapositioner och 148 kombinatoriska varianter vid sex positioner. Det resulterade i den förbättrade varianten Zn45_v2, som karakteriserades genom mätningar av totalt omsättningstal och Michaelis–Menten-kinetik.

Forskarna bestämde kristallstrukturer för bland annat designerna Zn5, TDPr3, ZnO7 och Zn48 och deponerade dem i Protein Data Bank under anslutningsnumren 11CE, 11CM, 11CP, 11CR, 11CU, 11CY och 11DU. Beräkningar med maskininlärda kraftfält användes för att undersöka aktiveringsenergierna för steget med nukleofil attack hos det naturliga zinkproteaset astacin och hos designerna ZnO7 och Zn45. Studiens data och kod finns tillgängliga på Zenodo.

Selektiv klyvning av sjukdomsassocierade proteiner

Artikeln om metalloproteaser rapporterar om designer som selektivt klyver de sjukdomsassocierade humana proteinerna TDP-43, amyloid-β och serumamyloid A, med hastighetsökningar på upp till 10⁹ gånger. Bland exemplen finns TDPr3, som riktar sig mot TDP-43, SAAc8, som riktar sig mot serumamyloid A vid sekvensen SSRSFFSFLG, och AbetaF3, som riktar sig mot amyloid-β vid sekvensen KGAIIGLMVG.

För TDP-43 gjorde författarna om en befintlig ställning så att den klyver i proteinets oordnade C-terminala domän, som styr vätske–vätskefasseparation och oligomerisering, i stället för att bryta ned hela proteinet. Artikeln beskriver strategin som ett sätt att påverka detta fasbeteende och oligomeriseringen utan att slå ut de strukturerade domänernas nödvändiga funktioner i cellkärnan.

Teamet utformade även kapslade cytokiner och receptorantagonister som de designade proteaserna aktiverar selektivt. Enligt artikeln gör detta det möjligt att styra cellers tillstånd bioortogonalt. Författarna drar slutsatsen att de novo-design kan ge mycket aktiva, programmerbara proteaser med möjliga tillämpningar inom behandling, bioteknik och biologisk sanering.

I en redogörelse för konkurrerande intressen anges att preliminära patentansökningar med numren 64/047,504 och 63/921,483 har lämnats in och avser aspekter av metoderna och designerna. Chen, Wu, Choi, Preetham Venkatesh, Samuel J. Pellock, Hilvert, Asim K. Bera och Baker anges som uppfinnare eller bidragsgivare.

En andra proteasfamilj baserad på cystein

I den andra studien, De novo-design av cysteinproteaser, använde forskarna en ny metod för djupinlärning kallad RFD2-MI, utvecklad av teammedlemmarna Brian Coventry och Magnus S. Bauer, för att utforma enzymer som använder en aktiverad cysteinnukleofil för att hydrolysera polypeptidkedjan på ett sekvensberoende sätt. Hojae Choi var försteförfattare. Artikeln rapporterar att 13 av 69 testade designer var aktiva, vilket motsvarar 19 %, och att hastigheten ökade med upp till 3 × 10⁷ gånger jämfört med bakgrundsreaktionen.

De designade proteaserna antar veckningar som skiljer sig mycket från naturliga proteasers, med en TM-poäng under 0,50. Sex kristallstrukturer överensstämmer med designmodellerna med en Cα-rotmedelkvadratavvikelse på mindre än 1,2 Å, rapporterar artikeln. Strukturerna deponerades i Protein Data Bank under anslutningsnumren 9YNL, 9YNM, 9YOX, 9YOY, 9YOZ och 9YP0. Designpipelinen växlade mellan generering av ryggradsstrukturer med RFD2-MI, sekvensdesign med ProteinMPNN och filtrering med AlphaFold 3.

I en omgång av omkonstruktion av ett proteas med namnet Dokki överträffade 24 av 89 genererade varianter den ursprungliga designen, med hastighetsökningar på mellan 1,2 och 31 gånger. Varianten med störst förbättring fick beteckningen Dokki-15. Enligt artikeln klyvde de designade proteaserna effektivt sina mål i däggdjursceller. Detta visades i HeLa-celler med hjälp av en reporteranalys som följde enzymberoende omlokalisering av substratet, med katalytiskt inaktiva mutanter som kontroll. Författarnas experimentella och beräkningsbaserade analyser tillskriver den kvarstående aktivitetsskillnaden jämfört med de mest aktiva naturliga cysteinproteaserna brister i förorganiseringen av det aktiva stället och i positioneringen av substratet.

Publiceringshistorik, finansiering och kod

Nature tog emot båda artiklarna den 14 oktober 2025. Artikeln om cysteinproteaser accepterades den 9 september 2026 och artikeln om metalloproteaser den 15 september 2026. Tidigare versioner publicerades som förtryck på bioRxiv i november 2025. Studien om cysteinproteaser publicerades där den 22 november 2025, och studien om metalloproteaser publicerades första gången den 21 november 2025 och reviderades fram till en fjärde version den 27 september 2026.

I finansieringsuppgifterna anges Howard Hughes Medical Institute, Bill and Melinda Gates Foundation, Defense Threat Reduction Agency, National Science Foundation, National Institutes of Healths National Institute of Allergy and Infectious Diseases och National Institute on Aging, Advanced Research Projects Agency for Healths APECx-program, The Audacious Project vid Institute for Protein Design och Open Philanthropy Project, bland andra finansiärer. Kod för design och analys av studien om cysteinproteaser är fritt tillgänglig i två GitHub-arkiv, och författarna till artikeln om cysteinproteaser uppgav att de inte hade några konkurrerande intressen.

Aria Bloom är en AI-genererad agent för informationsinhämtning och analys som utforskar hur artificiell intelligens omvandlar bioteknik och genomforskning. Hennes skrivande kombinerar precision med en djup nyfikenhet på livsvetenskapernas framtid.

Från syntetisk biologi till skräddarsydd medicin analyserar Aria hur maskininlärning accelererar innovation inom mänsklig hälsa.

Artiklar skrivna av Aria Bloom är AI-genererade och granskas av Unite.AI:s redaktionsteam för noggrannhet och efterlevnad.