AI把致癌蛋白K-Ras“洗白”成了分子标签

HaloTag和SNAP-tag几乎是活细胞成像里最常用的两套self-labeling protein，但真正想做三色甚至更多通道成像时，一个现实问题就出现了：可用、正交、快速、低背景的第三套标签太少。 2026年9月，Harvard、MIT、Broad Institute和Dana-Farber等团队在bioRxiv发布研究，提出了一条很不一样的路线：不是从零造一个新蛋白，而是直接把著名致癌蛋白 K-Ras(G12C) 大幅重构，改造成一个新的自标记蛋白——LUCI-tag。

作者看中的，是K-Ras(G12C)已经拥有一套被药物化学高度优化过的“现成工具”：switch-II pocket和一系列共价抑制剂。K-Ras(G12C)抑制剂能利用Cys12发生特异性共价反应，而且很多药物已经具备不错的细胞通透性、选择性和可修饰出口。因此作者的目标不是把这个结合口袋推倒重来，而是：保留“会抓药”的部分，把“会致癌”的部分全部重新设计。

HaloTag、SNAP-tag、LUCI-tag并列展示，同时把“K-Ras(G12C) → 深度学习重设计 → 保留共价药物口袋、去掉生物学功能”的完整逻辑画出来。

具体设计时，作者先去掉负责膜定位的C端HVR，把K-Ras缩短到169 aa、约19 kDa；随后固定switch-II共价抑制剂口袋和GDP-Mg²⁺关键位点，其余约 80%的残基都允许重新设计，同时禁止额外引入Cys，保证整个蛋白只留下用于共价标记的Cys12。ProteinMPNN、LigandMPNN和LASErMPNN负责生成序列，AlphaFold2和Boltz-1再检查骨架稳定性、配体结合姿势和口袋质量。

整个流程一共产生约 20,000个设计，最后只选出48个进入实验。令人意外的是，这48个蛋白全部能高水平表达、保持单体状态，而且大多数热稳定性非常高。最终表现最好的设计被命名为 LUCI-tag（Labeling Using Covalent Inhibitors）。它与原始K-Ras(G12C)只有54%的序列一致性，也就是说，接近一半的氨基酸已经被改掉，但关键的药物结合口袋仍然保留下来。

展示“改得有多彻底、性能又有多强”：上半部分可以看到78个氨基酸替换和表面静电的巨大变化，下半部分则展示标记动力学、稳定性以及与HaloTag7、SNAP-tag的比较。

LUCI-tag的性能非常漂亮。它是19 kDa单体蛋白，95°C下仍保持稳定；用adagrasib衍生探针标记时，纯化蛋白在 30秒内即可基本完成共价标记。AG-AF488的二级反应速率常数达到 5.5×10⁵ M⁻¹s⁻¹，比原始K-Ras(G12C)快约27倍。

更特别的是，它对“payload”不太挑。无论adagrasib后面连接AF488、TAMRA还是JF646，LUCI-tag的标记速率基本都控制在2倍范围内。相比之下，HaloTag7对某些带负电荧光团的标记速度会明显下降。也就是说，LUCI-tag不是只对某一种“最优荧光染料”特别快，而更接近一个 payload-agnostic labeling platform。

那为什么重新设计以后，反而比原来的K-Ras抓药更快？

作者直接做了X-ray晶体结构。结果发现，LUCI-tag在没有药物时，switch-II pocket就已经保持一个明显的“open”状态，而天然K-Ras的switch-II loop会在不同构象之间变化，很多drug-free结构里的cryptic pocket甚至是关闭的。LUCI-tag中的 M67E和Y71E 两个突变尤其关键，它们让序列更偏好drug-bound-like构象，相当于提前把口袋“摆好姿势”，等共价抑制剂进来。

可以看到drug-bound和drug-free LUCI-tag结构、switch-II pocket为何保持开放，以及M67E/Y71E如何推动这种预组织状态。

不过真正让LUCI-tag成为“分子标签”的关键，不只是它会快速抓药，而是它必须彻底失去K-Ras原来的生物学功能。作者通过大规模表面重设计，把很多原本负责RAF、GEF等蛋白互作的区域直接改掉。IP-MS结果显示，LUCI-tag几乎失去了典型Ras家族和Ras相关蛋白互作，同时没有出现明显新的异常互作；在细胞中高表达LUCI-tag，也不会像K-Ras(G12C)那样激活MEK/ERK信号。

换句话说：

药物识别能力留下来了，致癌信号网络基本被“洗掉”了。

左侧IP-MS非常适合证明LUCI-tag已经脱离原来的RAS互作网络，中间的MEK/ERK实验则直接说明它不再激活致癌信号，右侧还能看到探针在复杂细胞裂解液中的高特异性。

最后，作者把它真正放进活细胞里。LUCI-tag可以对核蛋白、膜蛋白进行快速荧光标记，并支持短时间、低背景甚至无需洗涤的成像。更关键的是，它和HaloTag7、SNAP-tag之间基本没有交叉反应，因此三套系统可以同时存在于一个细胞中，分别用不同颜色的探针进行标记。

最终作者实现了：

LUCI-tag + HaloTag7 + SNAP-tag 三色活细胞成像。

直接展示LUCI-tag的核定位、膜蛋白标记以及三色活细胞成像，视觉效果最好，也最容易让读者理解“为什么需要第三套正交SLP”。

这篇真正值得关注的，不只是“又多了一个蛋白标签”，而是一种很有意思的蛋白设计范式：

不是从零造蛋白，而是把天然蛋白最有价值的化学功能留下来，再用AI把其他生物学功能彻底重写。

过去药物开发做的是：

蛋白 → 找药。

这篇反过来了：

已经有一套非常成熟的药 → 重新设计一个最适合这套药的蛋白。

K-Ras(G12C)原本是一个典型的癌症驱动蛋白，现在却被重构成一个生物学静默、快速共价标记、还能与HaloTag和SNAP-tag正交工作的分子工具。

这或许也是AI蛋白设计很值得关注的一条路线：

不是只问“能不能设计一个新蛋白”，而是问“能不能把天然蛋白的某一种能力单独留下，并把其他功能全部重写”。

📄 Deep-learning-based design of an orthogonal self-labeling protein from K-Ras(G12C)bioRxiv，2026年9月29日