文章核心观点 - 研究团队利用新一代生成式AI蛋白质设计工具RFdiffusion2，成功实现了高性能锌金属水解酶的“零样本”从头设计，其催化效率比此前设计的酶高出上千倍，且无需实验改造，标志着定制化催化剂开发取得重大突破 [2][3][18] 传统酶设计的瓶颈 - 金属水解酶在降解环境污染物等领域至关重要，但传统设计方法（如蛋白质工程改造或早期计算工具）产生的酶活性低，需大量实验筛选和定向进化才能达到实用水平 [7][8] - 团队此前开发的AI设计工具RFdiffusion，因需预先指定催化氨基酸残基的序列位置和主链坐标，限制了设计空间的探索 [8] RFdiffusion2的核心技术创新 - 新一代工具RFdiffusion2采用两大核心创新：原子级子结构支架设计（仅需指定关键功能基团位置）和序列位置无关的支架设计（无需预先指定催化残基序列位置） [10] - 该工具采用流匹配（Flow Matching）取代扩散模型，通过训练中使用随机天然原子坐标，能探索更大设计空间，AI可自行决定氨基酸数量、位置及协作方式 [10] 高效金属水解酶的设计过程与成果 - 研究以设计水解4-甲基伞形酮苯乙酸酯的锌金属水解酶为目标，使用密度泛函理论确定反应过渡态几何结构 [13] - 首轮设计从5120次AI推理轨迹中筛选，最佳设计ZETA_1的催化效率高达16000 M⁻¹s⁻¹，比之前设计的金属水解酶高出三个数量级（上千倍） [13] - 基于首轮经验改进策略后，第二轮设计的成功率大幅提升：在96个设计中，11个显示出显著锌依赖性水解活性 [15] - 第二轮最佳设计ZETA_2的催化效率高达53000 M⁻¹s⁻¹，催化速率常数达到1.5 s⁻¹，且设计展现了多样化的底物结合模式 [15] - 蛋白晶体结构解析证实，实验结构与设计模型高度吻合，为设计准确性提供了直接证据 [15] 研究的深远影响与行业前景 - 所设计酶的催化效率达到10³-10⁴ M⁻¹s⁻¹，与天然金属水解酶相当，远超所有先前设计 [18] - 结合PLACER和Chai-1的评估方法，能有效识别最活跃设计，显著提高了设计成功率 [18] - RFdiffusion2的设计方法通用性强，适用于多种化学反应，有望推动整个酶设计领域、合成生物学及绿色化学的发展 [18]

文章核心观点 - 华盛顿大学David Baker团队开发的RFdiffusion3实现了蛋白质设计的范式转变，从氨基酸残基级别进入全原子级别设计 [1][2] - RFdiffusion3能够以原子精度设计蛋白质与蛋白质、小分子、核酸等多种生物分子的相互作用，显著扩展了蛋白质设计的功能范围 [2][3][9] - 该技术计算效率比前代方法提升10倍，计算成本仅为十分之一，参数规模1.68亿，为AlphaFold3的一半 [3][10] RFdiffusion3的技术突破 - 核心创新在于全原子扩散模型，同时模拟蛋白质主链和侧链的所有原子，包括相互作用的非蛋白质成分 [9] - 采用统一表示法，将每个氨基酸残基表示为14个原子，使用虚拟原子填充侧链原子较少的氨基酸 [13] - 模型架构基于Transformer U-Net，包含下采样模块、稀疏Transformer模块和上采样模块 [14] 性能表现与实验验证 - 在治疗相关靶点设计中，平均产生8.2个独特成功聚类，显著优于RFdiffusion的1.4个 [15] - 设计的DNA结合蛋白结合活性达到5.89±2.15 μM，设计的半胱氨酸水解酶Kcat/Km值达到3557 [21] - 在酶设计基准测试中，41个案例中的37个优于RFdiffusion2，成功率达90% [18] 应用前景与行业影响 - 为设计任意靶分子的结合蛋白、任意化学反应的催化剂以及复杂蛋白质组装体提供了通用平台 [28] - 能够精确控制酶活性位点、氢键供体/受体状态、底物和活性位点位置等关键参数 [24] - 技术发展将推动创新疗法、新型蛋白酶和生物材料的出现，实现"设计生命分子"的愿景 [25]