专访西湖大学卢培龙：蛋白设计火了，我们如何从头造蛋白

【金色港湾资讯网为您推荐阅读】

2026年3月26日，蛋白质设计领域热度不断攀升，中国科学院杭州医学研究所卢培龙实验室，于人工合成蛋白方向，收获系列突破，这引起了学界以及医药界的广泛关注。从那种完全由D - 型氨基酸构成的镜像蛋白，到具有高亮度的跨膜荧光蛋白，这些在自然界原本就不存在的合成蛋白，正以从未有过的速度迈向应用环节，在为未来药物开发开拓全新的路径。

诺奖点燃研发热潮

2024年，诺贝尔化学奖被授予蛋白质设计及结构预测领域，这极大地推动了该方向的研究热度，卢培龙教授在近期采访中讲道，诺奖颁发之后，学界与产业界对于蛋白质设计的关注度明显提升，更多资源正加速涌入这一赛道，实际上，早在2020年，人工智能在生物学领域的应用就已经引发高度期待，如今这一期待正逐渐转化成实际成果。

从基础研究起始，到进行应用转化，蛋白质设计正处于从实验室探索迈向产业落地的关键时期。卢培龙曾于David Baker实验室开展博士后研究工作，长期聚焦于膜蛋白设计以及治疗性蛋白药物的开发事宜。他觉得，当下AI工具的广泛运用，正显著降低传统计算方法的试错成本，从而让设计新型蛋白变得更加高效。

AI重塑蛋白设计流程

当下，蛋白质设计已然全方位迈入人工智能驱动的时代步伐。研究人员不再单单凭借经验规则 ，像是把疏水氨基酸放置于蛋白核心之处 ，将亲水氨基酸分布于表面进而构建螺旋束那般 ，转而借助先进的计算工具达成精准设计之举。从针对固定骨架的序列设计开始 ，直至全新蛋白骨架的生成 ，计算方法时时刻刻在持续迭代升级。

卢培龙作出介绍，传统的方法依靠近似能量计算以及大规模空间采样，以此筛选出折叠能量相对较低的蛋白结构。然而现如今，MPNN、AlphaFold等人工智能工具得以应用，这让小分子简单蛋白的结构预测准确率得到大幅提升，其设计验证周期也显著缩短。除此之外，大语言模型正演变成新的研究趋势，它助力科学家挖掘出蛋白结构与功能之间的深层关联及联系。

镜像蛋白开辟新药路径

重点方向之一是卢培龙实验室的镜像蛋白，这类蛋白完全由D -型氨基酸来编码，与自然界里普遍存在的L -型蛋白互为结构上的镜像，所以具备独特生物学优势，因人体内天然酶没办法水解这类蛋白，其免疫原性极低但在体内半衰期更长，还具备口服给药的潜力。

这类蛋白于自然界全然不存在，AI模型针对其结构以及相互作用规律的学习空间存有局限。卢培龙团队正着力于借助设计镜像蛋白与天然蛋白的相互作用，去积累更多数据，好为未来高效设计镜像结合蛋白筑牢根基。此一方向被视作有望开拓全新的蛋白质多肽药物研发途径，特别适用于那些需要长期给药的慢性病治疗。

跨膜荧光蛋白实现亮度突破

跨膜荧光蛋白的设计属于又一项关键技术突破！其难点聚焦于，怎样在疏水的细胞膜环境当中构建出一个亲水的配体结合位点。这个对蛋白有着要求，既要拥有跨膜结构特征，又得在核心区域形成稳定的配体结合空腔，然而这类空腔往往会明显降低蛋白的稳定性。

卢培龙的团队，倚靠人工智能辅助设计，实现了跨膜荧光蛋白的成功创造，这个蛋白能够专门结合荧光生成型配体分子，其量子荧光产率非常高，亮度比常用的EGFP荧光蛋白还要高，这一成果不但验证了AI在复杂膜蛋白设计方面的能力，还为新型生物传感器以及成像工具的开发提供了可能性。

合成蛋白应用场景广阔

蛋白质作为生命活动主要的执行者，在生物医学领域有着广阔应用空间，人工合成蛋白可用于合成生物学里关键酶，用于纳米孔测序核心元件，还用于各类治疗性蛋白，像纳米抗体、传统抗体、新兴迷你蛋白等，它们能够精准干预蛋白与蛋白相互作用。

这些能作为基因治疗工具的合成蛋白，可实现体内基因的精准编辑，进而纠正由基因缺陷引发的疾病。人工合成蛋白，正从基础研究工具逐步渗透至医疗健康的多个关键环节，展现出巨大的转化潜力，达成从基础研究工具到临床治疗方案的转变。

数据积累推动智能升级

虽说AI已然极大程度地提高了蛋白设计的效率，然而数据始终是限制其发展的关键要素，针对镜像蛋白这种自然界当中并不存在的分子，AI模型欠缺充足的学习样本，其结构以及相互作用规律还需要借助实验数据一步步地揭晓，卢培龙团队所开展的研究，正致力于为这一领域去填补数据方面的空白。

在更多高质量数据不断积累的情况下，AI模型于蛋白设计里的能力会持续进行进化，从功能预测开始，到稳定性优化，再从结构生成延展至相互作用设计，以数据驱动的智能平台会进一步提高设计的精准度以及成功率，这一趋势不但会推动基础研究，还会给医药产业带来全新的技术增长点。

哪个方向会最有可能率先达成临床突破呀，您觉得人工合成蛋白于医学领域的应用？欢迎去评论区把您的看法给分享出来，点赞并且转发这篇文章，使得更多人能够了解这一前沿科技的最新进展呢。