使用RFdiffusion2进行原子级酶活性部位的支架
Woody Ahern1,2,3, Jason Yim4,5, Doug Tischer1,2
1Department of Biochemistry, University of Washington, Seattle, WA, USA.
Nature methods
|December 3, 2025
概括
一个新的AI模型RFdiffusion2直接从化学反应中设计新的酶. 这通过绕过以前计算方法的局限性来推进de novo酶设计.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 蛋白质工程是指蛋白质工程.
背景情况:
- 传统的酶设计依赖于理想化的功能组安排和复杂的蛋白质结构生成.
- 现有的酶设计人工智能方法通常需要预定义的残留位置和有限的灵活性.
研究的目的:
- 引入RoseTTAFold扩散2 (RFdiffusion2),这是一个深度生成模型,用于新的酶设计.
- 通过从功能组几何形状直接生成,克服当前基于人工智能的酶设计的局限性.
主要方法:
- 开发了RFdiffusion2,一种用于酶设计的深度生成模型.
- 使用函数组几何作为直接输入,绕过残留顺序规范和反向旋转器生成.
- 在多个活跃站点上对现有方法进行RFdiffusion2的基准测试.
主要成果:
- RFdiffusion2成功地为基准集中的所有41个活跃站点生成了支架,显著优于以前的方法 (16个活跃站点).
- 为三个不同的催化机制设计了新型酶.
- 识别了活性酶候选物,每种机制的实验试验少于96.
结论:
- RFdiffusion2展示了一种强大的新方法,用于 de novo 酶的创造.
- 原子级生成模型提供了从反应机制到功能性酶设计的直接途径.
- 这种方法显著提高了计算酶工程的效率和范围.
