今天的地球，有无数的生命在有序地运转着，而生命正常运转的背后，则是无数酶分子“兢兢业业”地工作。在微生物的世界中，酶就像一把精密的“钥匙”，可以开启不同的催化反应通道，让生物体产生不同的功能变化。在化工、制药等行业，酶也因催化效率高、底物专一性强、环境友好等，被广泛应用。

但自然界中的这些天然的“钥匙”功能有限并且获取时间漫长，无法满足人类日益增长的需求。当酶的功能达不到我们的需求时，改造酶就成为我们的选择。当然，改造酶并非易事，不过，人工智能技术的飞速发展，却给了人工造酶一次全新的机会。现在，人类已经实现了利用AI从头设计出全新的酶。

生命运转的精密“钥匙”

作为生物催化剂，酶的强大之处就在于，可以保证相关化学反应在极为温和的条件下也能高效进行，催化反应的速率往往可以提升几千倍到上亿倍。

比如，食物中的葡萄糖要释放能量变成水和二氧化碳，这一过程在没有催化剂的常温常压下需要几年的时间，或者在300°以上的高温燃烧氧化才能释放能量，而在我们的体内，在葡萄糖氧化酶的作用下，这一过程却无时无刻不在发生。人类的许多疾病，则与酶缺乏或合成障碍有关。

更重要的是酶催化具有高度的专一性，一种酶只催化一种物质发生一种反应，即使结构非常相似的物质也不会反应。这种稳定发生和指向明确的催化效果，在化工、制药等行业也大有所用。

人们期待用酶催化反应来替代那些复杂多步的化学反应过程，达到缩短工艺流程、降低生产成本、节省试剂使用的目的，但随着更加生物工程和化学工程越来越精细化，天然酶也越来越难以满足人们的需求——人工造酶由此而生。

想要开发新的酶，先要了解酶——酶的本质，其实就是蛋白质，因此生物酶也被称为酶蛋白。蛋白质的功能主要由它的结构，即蛋白折叠方式来决定，而其结构则由基本构成单位——氨基酸的序列来决定。以最简单的，有50个氨基酸残基的酶蛋白为例，其结构功能的可能数目就是个天文数字。酶的催化作用正有赖于酶分子的折叠三维空间结构。

蛋白质的活性位点经过数百万年的进化演变而来，实现了不可思议的高选择性化学转变。基于此，科学家开始尝试修饰蛋白质的活性位点并引入新的金属-配位结构。尽管早期的结果的确充满希望，但由于这一过程过于漫长，以至于在20世纪70年代后这个领域沉寂了25年之久。千禧年之交，随着基因重组与蛋白表达技术的成熟，才为基于蛋白质改造的人工酶领域带来新的曙光。

目前，科学家们主要通过定向进化技术和人工酶设计技术来提升酶的催化性能。定向进化技术是指通过大量的随机突变和重组，模拟自然界中酶的进化过程，再从众多结果中筛选出符合人们要求的酶，简单来说就是根据一些原理依据进行穷举。2018年，加州理工大学弗朗西斯·阿诺德教授获得了诺贝尔化学奖，以表彰她在酶的定向进化方面的贡献。

人工酶设计则是基于已解析的蛋白质晶体结构和一定的酶催化机理，在计算机上建立酶和底物的催化模型，充分利用计算机强大的计算能力，快速进行大量突变体的筛选过程。这种方法相比于定向进化，能够大大缩短新酶的开发周期。迄今为止人类已经发现了5000多种酶。

近年来，在AI蛋白质结构预测的浪潮下，人工设计蛋白质技术也得到了飞速的发展，包括出现了各式各样的支架蛋白、小型功能蛋白和自组装单元蛋白的AI设计工作。现在，人类已经实现了利用AI从头设计出全新的酶。

首个从头设计的酶分子

实际上，在多年前，科学家就已经尝试从头设计酶分子（de novo enzyme design），然而，由于诸多限制而未能取得重要突破。

酶分子在催化化学反应的第一个步骤是通过酶上的活性位点与所催化的底物结合，形成酶-底物复合物。接着酶分子通过稳定催化反应发生所必需的高能过渡态来促使化学反应的进行。因此，在进行从头酶分子设计时的首要步骤便是识别活性位点以及可与底物结合的口袋，但这经常因为现有蛋白结构文库缺乏合适的蛋白结构，以及天然蛋白序列-结构关系的复杂性而受到限制。

常常仅改变酶分子中少数氨基酸的序列，便造成蛋白质产生不可预测的结构变化，因此，科学家需要设计出能够与底物具高度选择性结合，并精确催化化学反应的酶分子并不容易，尤其是当具有相似结构的底物同时存在之时。

除了酶分子需要能与底物专一性地结合，如何优化氨基酸序列与结构，使得所设计出来的酶分子具有高度活性与催化效力也是科学家所面对的一大难题，这需要对酶分子的活性位点有更进一步、精确的控制才得以实现。

为了达成从头设计有效、具专一性酶分子的挑战，许多科技与方法也应运而生，比如，使用量子力学/分子力学计算来模拟化学反应机制以及像是蛋白设计平台Rosetta与AlphaFold等等，都为酶分子从头设计带来潜在的贡献。

2 月 22 日，美国华盛顿大学生物蛋白质设计研究所（Institute for Protein Design）主任 David Baker 团队在《自然》发表论文，描述了一种使用深度学习从头设计合成自然界中不存在的高效荧光素酶的方法。

研究人员利用其开发的一种基于深度学习的新蛋白质设计策略“family-wide hallucination”，通过将无约束的从头设计和固定骨架序列设计方法进行整合，可以生成数量无限的具有期望折叠的全新蛋白质。

为了实现从头设计酶分子这项挑战，Baker教授团队成员选择重新设计萤光素酶为目标。萤光素酶能够催化一种称为荧光素的底物产生氧化反应，以产生生物发光。然而由于萤光素酶的蛋白结构中含有多个双硫键，因此在蛋白生产时经常有折叠错误的情形发生。此外，许多天然的萤光素酶无法辨认人工制造的荧光素或产生所需的荧光特性。这些诸多因素都促使研究人员想要通过重新设计蛋白质，来获得更加理想、具应用性的荧光素酶。

具体来看，研究人员选择了荧光素作为反应底物，通过一种基于深度学习的方法以及Rosetta蛋白序列设计平台，筛选出 NTF2 样折叠的目标拓扑结构，通过对该折叠可变区域的无约束从头设计以及结构引导的序列优化，设计了可选择性催化发光的人造荧光素酶。

在实验室制造和测试的酶中，研究人员在他们的初始设计中确定了三种活性酶。他们将表现最好的一部命名为“LuxSit”，值得一提的是，《LuxSit》是根据UW的拉丁语格言“lux sit”改编的戏剧，大致翻译过来就是“让光存在”。LuxSit的许多特性使其成为生物技术研究的一个有吸引力的工具。它只有117个残基，比任何已知的荧光素酶都要小。该酶与其合成荧光素底物二苯基四嗪(DTZ)的孵育产生480纳米的蓝色发光，这与底物的化学发光光谱一致。并且发现蛋白质在接近沸腾的条件下保持部分折叠。

人工造酶的关键里程碑

这项能够从头设计具高活性和高特异性酶分子的实验成果，可以被任务是人工造酶的关键里程碑。研究人员表示，他们能够在计算机上从头开始设计非常有效的酶，而不是依赖于自然界中发现的酶。这一突破意味着，原则上，几乎任何化学反应的定制酶都可以被设计出来。

一方面，这也让我们看到了深度学习在人工酶方面的力量。除了LuxSit外，研究团队还在继续设计其他荧光素酶，识别另一种合成荧光素底物——2-脱氧腔肠素或h-CTZ。因为h-CTZ的分子形状不同于DTZ，为了创造活性位点，研究人员安装了组氨酸和精氨酸侧链的精确排列。这些活性位点特征是根据在第一轮荧光素酶设计中观察到的成功案例来模拟的。

这一次，研究小组没有采用RosettaDesign，而是转向了最近开发的ProteinMPNN工具，以得出新酶的剩余氨基酸序列。ProteinMPNN是一个由深度学习驱动的序列设计工具，运行时间约为一秒，比以前最好的软件快200多倍。它的结果优于以前的工具，并且它不需要专家定制来运行。

在实验室测试的46种设计的h-CTZ催化剂中，研究人员发现了两种具有可测量的荧光素酶活性。这标志着第二轮从头酶设计的成功率增加了十倍，从0.04%增加到4.35%。这种改进可能是由于在第一轮设计中获得的知识以及ProteinMPNN性能的提高。

到目前为止，计算酶设计一直受到可用蛋白质支架数量的限制，以及在其中放置酶活性位点的极端困难。而显然，使用深度学习来生产大量定制蛋白质支架，以及下一代蛋白质序列设计工具，为酶设计的新时代奠定了基础。

另一方面，酶分子的广阔应用性预示了此项技术的潜在巨大影响力。新的酶分子可能有益于生物技术、医学、环境修复和制造。例如，在生物技术中，酶可以改善生物燃料生产、食品加工和药品制造。在医学上，酶可以作为治疗和诊断工具。酶设计可以通过分解污染物或清理被污染的场所来改善环境。而酶也可能有助于生产生物降解塑料和粘合剂等新材料。

近年来，AI在预测蛋白质三维结构和合成全新蛋白方面不断取得突破。而此次科学家达成从头设计酶分子这项挑战，更显示此技术朝着改变人类生活又近了一步。让我们期待这项科学突破能够尽快获得转化，在生物医学上获得应用以造福大众。