Shandong Normal University

买科研服务（代计算、代测试、超算机时），送老李校长“科研理工男士情感课”第一性原理计算解决50年悬而未决难题：半导体中铜为何扩散更快？Ab initio及第一性原理入门参考书介绍《海贼王》告诉你，做科研为什么不能闭门造车……985博导亲测：用DeepSeek写国自然本子，3天完成30天工作量来自公众号：小柯生命本文以传播知识为目的，如有侵权请后台联系我们，我们将在第一时间删除。北京时间2025年4月28日17时，天津医科大学董城联合石磊、陈东星、谢松波团队在《自然—结构与分子生物学》（Nature Structural & Molecular Biology）期刊在线发表了蛋白质靶向降解（TPD）领域的最新研究成果，题为“Design of PROTACs utilizing the E3 ligase GID4 for targeted protein degradation”。该研究首次将E3连接酶GID4应用于PROTAC分子设计。研究团队设计了基于GID4的PROTAC，实现了多个致病蛋白的靶向降解，并解析了GID4-PROTAC-BRD4三元复合物的晶体结构，系统阐明了GID4介导底物降解的分子机制。这一成果拓展了可用于TPD的E3连接酶工具箱，为未来精准药物研发开辟了新方向。靶向蛋白质降解（TPD）作为一种新兴的癌症治疗策略，受到广泛关注。PROTAC技术以其催化剂量起效、靶向“不可成药”蛋白的独特优势成为TPD领域的代表性技术。然而，目前已应用于PROTAC设计的E3连接酶主要限于CRBN、VHL等少数几种，开发新的E3连接酶成为该领域亟需解决的问题。天津医科大学董城教授课题组长期致力于E3连接酶底物识别机制的基础研究，系统解析了多个重要E3连接酶的底物识别规律，先后报道了E3连接酶GID4、ZYG11B、ZER1、FEM1C、TRIM7、Pirh2、ASB7等分子机制（Nat Chem Biol, 2018；2021；PNAS, 2020；2022；Mol Cell, 2021；Nat Commun, 2022；2023；2024），并在此基础上开发了ZYG11B核酸适配体靶向降解平台（Nat Commun, 2025）。研究人员基于GID4的深窄结合口袋特征，设计了高亲和力小肽PGLW，并联合辉瑞公司进一步开发了GID4特异性小分子配体PFI-7（Nat Chem Biol, 2024）。在本项研究中，作者以PFI-7和BRD4抑制剂JQ1为基础，成功设计出首个GID4-PROTAC先导分子NEP108，实现了BRD4的泛素-蛋白酶体依赖性降解。解析的GID4-NEP108-BRD4三元复合物结构为后续优化提供了重要线索。通过引入刚性哌嗪基团，团队进一步优化出新型降解剂NEP162，不仅增强了三元复合物稳定性，还显著提升了细胞降解效果。晶体结构分析显示，NEP162在三元复合物中存在“J型”与“L型”两种结合构象，揭示了PROTAC介导的三元复合物动态构象特征。a, 基于GID4的NEP162降解剂的化学结构; b, BLI测定GID4-NEP162-BRD4可形成三元复合物; c-d, GID4-NEP162-BRD4不同构象的三元复合物晶体结构在功能验证中，NEP162在细胞水平有效降解BRD4，并表现出抑制细胞增殖、诱导细胞凋亡的生物学活性。在小鼠肿瘤模型中，NEP162（15mg/kg，IP）显著抑制了肿瘤生长，同时显示出良好的体重和器官安全性。进一步研究发现，NEP162能够选择性降解BET家族中的BRD2和BRD4，而对BRD3无明显影响。此外，研究人员还将GID4-PROTAC技术应用于ERα和SMARCA2等其他致病蛋白，验证了其广泛的适用性和潜力。天津医科大学董城教授、石磊教授、陈东星教授和谢松波教授为本研究的共同通讯作者。天津医科大学博士生李艳冉、博士包凯文、博士生孙吉跃及山东师范大学博士葛瑞鑫为共同第一作者。该研究得到国家自然科学基金委、中组部以及免疫微环境与疾病教育部重点实验室、天津医科大学科研共享平台的支持。相关论文信息：https://doi.org/10.1038/s41594-025-01537-1编辑 | 余   荷排版 | 王大雪

DRUGAI 在生物催化领域，酶作为高效、特异性强的生物催化剂，在工业生产中发挥着至关重要的作用，广泛应用于制药、化工、食品饮料加工以及生物燃料合成等行业。酶挖掘的目的是从自然界中（比如微生物、植物、动物来源）中筛选和鉴定具有特定催化功能的新酶，以满足不同工业应用的需求。然而，自然界中的野生酶往往难以满足工业生产对其催化效率等性能的要求，因此需要对其进行优化和改造以进一步提高其工业适用性。传统的酶挖掘和酶改造方法主要依赖湿实验，这一过程耗时长且成本高昂，并且受实验条件的限制，筛选范围有限。而基于理性设计的酶改造依赖于对酶的结构、功能和作用机制的深入理解，这在许多情况下难以全面获取，进一步增加了酶改造的难度。近年来，随着计算技术的迅猛发展，基于深度学习的酶挖掘和改造方法逐渐兴起，为这一领域带来了新的希望。 近期，上海智峪生科郑良振博士、山东大学李伟峰教授和山东师范大学杨燕美教授团队在《Nature Communications》杂志上在线发表了题为“Robust enzyme discovery and engineering with deep learning using CataPro”的工作，介绍了一个名为CataPro的深度学习模型用于预测酶动力学参数。该模型基于预训练模型和分子指纹，提高了对酶的周转数（kcat）、米氏常数（Km）以及催化效率（kcat/Km）的预测精度。与以往的酶动力学参数预测模型相比，CataPro的预测准确性以及泛化能力都有明显提升。通过广泛的测试，证明了CataPro在酶挖掘和酶改造中的应用潜力。在该研究中，作者将收集到的酶动力学参数数据按照序列相似性进行聚类，构建了kcat、Km和kcat/Km的无偏十折交叉验证数据集。在先前报道的相关文献中，通常随机划分训练集、验证集和测试集，这导致模型在验证集和测试集上的表现可能会因为“记忆”训练集中的信息而显得过于乐观，从而无法真实反映模型对新酶或新反应的预测能力。作者通过预训练模型和分子指纹表征酶-底物信息，并在无偏的十折交叉验证数据集上对模型进行训练（图1），结果表明CataPro相比于先前报道的模型具有更强的泛化能力。 图 1 CataPro模型总览 在该研究中，作者系统测试并分析了采用不同的酶和底物表示在酶动力学参数预测任务中的效果（图2）。对于酶表示，作者测试了ESM2、ProtT5_XL_UniRef50以及SaProt等蛋白质语言模型的embedding；对于底物，作者测试了MolT5、Mole-BERT分子语言模型的embedding以及Morgan、MACC Keys和RDKit指纹等。CataPro采用ProtT5_XL_UniRef50、MolT5 embedding以及MACC Keys指纹的酶-底物表征方式取得最优性能。此外，作者展示了采用有偏和无偏数据集对模型训练所带来的结果差异，并强调了在酶动力学参数预测任务中采用无偏数据集对模型训练的重要性。 图2 CataPro与baseline模型在kcat和Km预测中的比较 在该研究中，作者不仅在理论层面上对CataPro进行了广泛的测试和验证，还将其应用于实际的酶发现和改造项目，即针对4-乙烯基愈创木酚（4-VG）转化为香兰素的酶挖掘项目，以评估其在真实酶挖掘和改造场景中的应用潜力。香兰素是一种重要的香料化合物，广泛应用于食品、饮料、化妆品和制药行业。传统的香兰素生产方法主要依赖于化学合成，但这种方法存在高能耗和环境污染等问题。相比之下，生物催化方法具有环境友好、条件温和等优点。4-VG是一种可再生的生物质衍生物，通过生物催化转化为香兰素是一种可持续的生产途径。然而，找到能够高效催化这一反应的酶是实现这一目标的关键。作者利用CataPro模型结合传统方法，从大量候选酶中筛选出一种名为Sphingobium sp. CSO（SsCSO）的酶。这一过程首先从UniProt数据库中检索与初始酶CSO2具有较高序列相似性的酶序列，然后通过CataPro模型对这些酶的kcat和Km值进行预测，最后通过湿实验检测筛选出的候选酶在催化4-VG转化为香兰素的催化效率。最终，他们发现SsCSO的活性显著高于初始酶CSO2，这一发现为香兰素的生物合成提供了一种更高效的酶催化剂。在发现SsCSO之后，作者进一步利用CataPro模型对其进行了序列优化，以期获得更高活性的突变体。他们首先通过AlphaFold2预测了SsCSO的三维结构，并利用分子对接技术模拟了酶-底物复合物的结构。根据这些信息，作者选择了与底物结合口袋附近的氨基酸残基作为潜在的突变位点，并通过CataPro模型预测了这些位点的突变对酶活性的影响。结合预测结果和进化保守性分析（PSSM），作者筛选出了几个具有潜在高活性的突变体，并通过实验检测了它们的活性。经过两轮突变改造后，作者发现了一个活性为野生SsCSO酶3.34倍的高活性突变体。这一结果展示了CataPro在辅助酶发现和改造中的巨大潜力和价值。 图3 CataPro结合传统计算方法应用于类胡萝卜素裂解加氧酶的挖掘和改造流程【未来展望】 尽管CataPro在酶动力学参数预测和酶突变体活性预测方面取得了显著成果，但模型仍存在一些局限性。例如，在kcat预测中，尽管CataPro优于现有模型，但预测准确性仍有提升空间。这可能是由于现有的kcat数据未能充分覆盖广泛的酶促反应类型，或者现有的酶 - 底物反应建模方法在准确量化酶催化过程和机制方面仍面临挑战。酶的催化机制具有多样性，涉及广泛的物理化学机制，将这些物理化学机制编码到模型中可能有助于进一步提升机器学习模型的性能。上海智峪生科郑良振博士、山东大学李伟峰教授和山东师范大学杨燕美教授为本论文共同通讯作者，山东大学物理学院博士生王泽琛为本论文第一作者。 参考资料 Wang, Z., Xie, D., Wu, D. et al. Robust enzyme discovery and engineering with deep learning using CataPro. Nat Commun 16, 2736 (2025).  https://doi.org/10.1038/s41467-025-58038-4

山东师范大学何洪彬教授和中国农业科学院长春兽医研究所高玉伟研究员在“Journal of Virology”上发表了题目为“SARS-CoV-2 ORF8 Protein InducesEndoplasmic Reticulum Stress-like Responses and Facilitates Virus Replicationby Triggering Calnexin: an Unbiased Study”的研究论文，该研究发现ORF8是SARS-CoV-2的关键独特毒力基因，可能有助于COVID-19特异性和/或人类特异性发病机制.严重急性呼吸系统综合症冠状病毒 2（SARS-CoV-2）是导致全球 2019年冠状病毒病（COVID-19）大流行的病毒病原体。新型 SARS-CoV-2 ORF8 蛋白与已知蛋白质（包括其他冠状病毒的辅助蛋白）同源性较低。尽管SARS-CoV-2ORF8 结构在SARS-CoV-2流行开始后不久就已确定，但其特性和功能的机制细节尚未完全确定。在哺乳动物细胞中，未折叠蛋白反应 （UPR）的三个分支被激活以缓解内质网应激。具体来说，（i）内质网应激的细胞感应导致激活转录因子 6 （ATF6）切割，然后其N末端片段ATF6（N）进入细胞核以激活 UPR靶基因;（ii）当被内质网应激激活时，双链RNA活化蛋白激酶样内质网激酶（PERK）直接磷酸化真核起始因子2（eIF2α）的α亚基，导致整体mRNA翻译衰减，从而减轻内质网应激;（iii）应激激活的肌醇蛋白 1（IRE1）剪接X-box结合蛋白1（XBP1）mRNA并编码一种名为剪接XBP1（sXBP1）的碱性亮氨酸转录因子，激活 UPR 靶基因。在这里，作者研究发现SARS-CoV-2ORF8 可以通过IRE1分支激活内质网应激，并通过与钙联接蛋白的相互作用促进病毒复制。本研究结果证明SARS-CoV-2ORF8蛋白的无偏倚分子特征，并证明它诱导快速产生但高度可控的内质网应激样反应，并通过触发人细胞而非小鼠细胞中的钙联蛋白来促进病毒复制，为SARS-CoV-2感染患者和小鼠之间ORF8的体内毒力差异提供了解释。识别微信二维码，添加生物制品圈小编，符合条件者即可加入生物制品微信群！请注明：姓名+研究方向！版权声明本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观点，不代表本站立场。