夜雨聆风佰莱博生物：一站式分子互作实验服务
小佰说
该研究利用深度学习工具RFdiffusion，开发了一种基于β-折叠配对定向的AI binder设计策略，实现了对极性靶点的高亲和力结合。此外，圆二色谱CD证实设计蛋白具有极高的热稳定性；SPR表明结合剂达到强亲和力与卓越的靶点特异性。
小佰今天要分享的这篇研究论文，开发了一种基于β-折叠配对定向的AI binder设计策略。这种设计模式利用骨架氢键实现精确配对，成功针对多个具有治疗意义的靶点获得了高亲和力结合剂，显著提升了针对极性表面的设计成功率。
研究思路
1
算法开发与支架生成
在RFdiffusion框架下，引导模型生成特定的二级结构。该技术强制要求生成的结合剂（binder）在界面处形成与目标蛋白边缘β-链几何匹配的β-链，从而实现骨架氢键的配对。
深度学习建模 (RFdiffusion)：生成蛋白质主链支架。
序列设计 (ProteinMPNN)：为生成的支架提供氨基酸序列。
结构预测与评估 (AlphaFold 2)：预测binder的折叠可靠性及与靶点的相互作用精度。
2
多靶点设计与计算筛选
针对7个具有临床治疗意义且含有边缘β-链的靶点并行设计。利用计算指标从数万个初始设计中筛选出高潜力的序列。
生物信息学聚类：确保实验文库包含多样化的序列和结构。
Rosetta 能量计算(FastRelax)：定量评估结合界面的稳定性。
3
实验验证与物理化学性质检测
研究人员进行高通量筛选，鉴定具有真实结合活性的克隆。
酵母表面展示：利用流式细胞术对数千个设计进行大规模结合筛选。
圆二色谱：检测蛋白的二级结构含量，并通过热熔解曲线测定熔解温度(Tm)。
表面等离子共振：精确测定结合动力学及亲和力常数(Kd)。
亮点解析
1．首次攻克AI binder设计难题：
不同于以往主要靠α-螺旋束的结合剂设计，该研究通过在RFdiffusion中引入界面调节张量，直接解决了亲水性蛋白表面难以抓取的瓶颈。
2．设计成功率实现数量级提升：
针对含有极性边缘β-链的靶点，新方法的计算机模拟成功率实现大幅提升，证明了这种定向引导策略的强大效率。
3．圆二色谱（CD）验证：
CD实验结果非常亮眼，超越天然蛋白的超高热稳定性，设计出的Binder，在95°C高温下依然能保持完整的折叠结构。
4．表面等离子共振（SPR）验证：
通过SPR检测，多款AI binder设计蛋白对靶点表现出强力结合，精准锁定了目标界面。
5．全流程实验闭环验证功能活性：
研究不仅停留在结构层面，还通过细胞内吞和信号通路抑制实验，证实了这些AI Binder具有干预疾病相关受体的生物学功能，具备直接转化为生物药物的潜力。
图文解读
AI Binder设计：基于界面调节的RFdiffusion策略
1
界面调节张量的引导机制
该研究的核心在于对生成式模型RFdiffusion进行条件引导，以克服亲水性β-链边缘难以设计的瓶颈。
研究团队通过在算法推理阶段引入界面调节张量（Conditioning tensors），强制引导去噪轨迹生成与靶点边缘β-链几何匹配的延伸β-链支架。
这种方法能够精准补偿靶点表面极性基团在脱水过程中的氢键损失，实现结合剂（Binder）与靶点之间的骨架氢键配对（图1）。
图 1 界面调节张量的引导机制
2
序列设计与结构预测评估
在获得物理支架后，研究人员利用AlphaFold 2预测生成的结合剂binder-靶点复合物结构，并结合界面预测对齐误差（PAE）和预测局部结构置信度（pLDDT）等指标进行计算机模拟筛选（图2）。
图 2 结构预测评估
3
针对不规则几何形态的精准定制
AI Binder设计的另一大突破在于能够处理天然蛋白中常见的不规则β-结构。通过深度学习模型的强大捕捉能力，设计的结合剂β-链可以精确匹配靶点边缘的扭转、弯曲和凸起。
这种几何级别的定制化不仅增强了结合动力学，还有效抑制了设计蛋白自身的非特异性聚集。
图 3 针对不规则几何形态的精准定制
圆二色谱检测：评估结合剂的热稳定性
研究团队利用圆二色谱(CD)对纯化后的结合剂（Binder）进行了详细的生物物理表征，以验证其二级结构折叠及热稳定性。实验通过监测217 nm处的椭圆率随温度变化的情况，绘制了热熔解曲线并计算出熔解温度(Tm)。
结果显示，尽管这些结合剂包含大量暴露的边缘β-链，但它们均展现出极高的稳定性；例如，ALK-3bp在高达95°C的条件下仍保持单体折叠状态，而ALK-2bp的Tm值也达到了81.2°C，表明AI设计的支架能够通过精确的内部结构支持有效抵御蛋白质聚集（图4）。
图 4 圆二色谱结果图
SPR表面等离子共振：定量测量结合亲和力
为了定量测定结合剂binder与靶蛋白的结合强度与特异性，采用表面等离子共振(SPR)技术，SPR方法是将靶蛋白固定在芯片表面，流经梯度浓度的binder以实时监测结合与解离过程。
SPR结果显示：binder达到了皮摩尔至纳摩尔级别的强亲和力，如ALK-3bp的Kd为528 pM。特异性测试证实，binder仅对预定靶点产生响应，即使面对高度相似的同科蛋白也无交叉反应，体现了极高的靶向精度（图5）。
图 5 SPR结果图
多维实验验证确保Binder功能性
该研究通过整合一系列尖端的生物物理与细胞生物学技术，对AI设计的binder进行了从分子结构到生物功能的全面验证。利用X射线晶体学解析了KITbp与受体的复合物结构，证实其骨架RMSD仅为0.98Å，在原子水平上印证了计算模型的准确性（图6）。
在生物功能层面，通过活细胞成像观察到了设计蛋白介导的受体有效内吞，并利用Western Blot和流式细胞术证实其能显著抑制PDGFRα等靶点的下游信号转导并诱导特定蛋白降解。
这一闭环验证不仅证实了β-折叠配对设计的物理真实性，更展示了这些AI Binder在靶向治疗和蛋白质降解工具开发中的巨大应用潜力。
图 6 X射线晶体学结果图
参考文献
Sappington, I., Toul, M., Lee, D.S. et al. Improved protein binder design using β-pairing targeted RFdiffusion. Nat Commun 17, 1101 (2026). https://doi.org/10.1038/s41467-025-67866-3
相关技术服务
佰莱博生物分子表征平台可提供深度学习模型、生物信息学分析、AI设计、机器学习算法、SPR表面等离子共振、CD圆二色光谱结构分析、MST微量热泳动、DARTS-MS药物亲和反应靶标稳定性分析、蛋白表达纯化技术、高通量筛选、IF免疫荧光共定位等实验服务。
精彩推荐
##生信分析##AIbinder设计##分子动力学模拟#分子对接#靶点#丙氨酸扫描#天然产物与靶蛋白共价结合#蛋白互作#分子互作#蛋白表达纯化技术#原理介绍#实验步骤#实验#案例分享#文章解读#技术服务
PNAS文献分享：小分子Pull-down +DARTS+CETSA+MST+分子对接+丙氨酸扫描分析天然产物与靶蛋白共价结合
联系我们
更多分子互作技术服务
「生物物理实验」 | ITC | SPR | MST | BLI | DSF | nanoDSF | MALS(动静态光散射) | AUC(分析型超离) | CD(圆二色光谱技术)
「生物化学实验」 | CETSA | Small Pull-Down | GST Pull-Down | Co-IP | DARTS
「细胞生物学实验」 | 小分子免疫荧光(小分子荧光共定位) |PLA邻位连接 | FRET | BRET | 酵母杂交 | 双荧光素酶实验
「计算机模拟实验」 | 虚拟筛选 | 分子对接 | 分子动力学模拟 | 基于AI的蛋白质设计
「蛋白表达纯化」| 昆虫表达系统 | 真核蛋白表达系统 | 无细胞蛋白表达系统 | 原核蛋白表达系统
「以药找靶 以靶找药」| ABPP化学蛋白质组学 | TPP热蛋白质组学 | LiP-MS | DARTS-MS | SPR筛选 | 虚拟筛选
「相互作用组学」| XL-MS交联质谱 | TurboID邻近标记技术 | IP-MS(TAP-MS/CO-IP-MS）
END
