内在无序蛋白（IDP/IDR）研究突破 - 内在无序蛋白（IDP）和内在无序区域（IDR）占据人类蛋白质组近一半比例，但因其缺乏稳定结构长期被视为"不可成药"靶点，难以开发靶向药物[2] - 诺奖得主David Baker团队利用生成式人工智能（Generative AI）设计出原子级精度的结合蛋白，成功攻克IDP/IDR靶点难题[3] 技术方法创新 - 采用基于diffusion的AI模型RFdiffusion，可从头设计自然界不存在的全新蛋白质，此前已应用于癌症免疫疗法等领域[5] - 开发两种互补设计策略： - "logos"策略通过预制1000个结合口袋库，组合生成数万亿种结合蛋白，适配随机序列多肽[9][11] - RFdiffusion策略直接生成与IDP/IDR结合的蛋白，无需预先指定靶点几何形状[7][22] 实验验证成果 - 测试43个靶点（21个疾病相关IDR+18个合成序列），39个实现紧密结合，34个亲和力达100皮摩尔至100纳摩尔[14] - 设计蛋白成功应用于： - 富集低丰度蛋白（蛋白质组学研究） - 靶向癌症受体无序结构域 - 抑制GPCR信号通路 - 阻断疼痛信号（DYNA_2b2结合蛋白亲和力<100皮摩尔）[14] - 针对胰淀素设计的结合蛋白可阻止2型糖尿病相关淀粉样纤维形成，亲和力3-100纳摩尔[17][18] 应用前景 - 为癌症治疗、神经疾病干预等提供新手段，例如调控IL2信号通路、靶向朊病毒等[17][18] - 设计工具已开源发布，可供全球研究人员免费使用[23][24] 行业影响 - 突破传统动物免疫法局限（IDR蛋白易降解导致抗体开发失败）[6] - 首次实现纳摩尔至皮摩尔级亲和力，达到自然界最强蛋白相互作用水平[20] - 两种策略互补：RFdiffusion擅长螺旋/链状靶点，logos策略适配无规则二级结构靶点[22]