在试管中“驯化”蛋白质：酶的定向进化

生命的存续需要能量，而能量的释放、储存和利用都需要通过化学反应来实现，这便依赖一类特殊的蛋白质——酶。它们由活细胞合成，在生物体内外极为高效地催化着各种生化反应，并已被广泛应用在食品、药物、饲料等物资的生产中。

如今，这一生命活动的化学引擎，正经历着一场静默的“驯化革命”。

酶。

图片版权图库，转载使用可能引发版权纠纷

如同农学家改良作物品种，科学家通过模拟自然选择机制，对酶进行定向改造：利用基因突变产生功能变异，再通过人工筛选保留最优个体，从而克服天然酶易失活、稳定性差、可能存在副反应等诸多缺点。那么我们能否像驯化作物一样“驯化”这些蛋白质呢？

早在1859年，英国生物学家查尔斯·达尔文就在巨著《物种起源》中解释了人类驯化作物的生物学原理。在自然的生殖过程中，生物偶尔会自(zì)发(fā)地(de)产(chǎn)生(shēng)随(suí)机(jī)变(biàn)异(yì)，因(yīn)此(cǐ)即(jí)使(shǐ)属(shǔ)于(yú)同(tóng)一(yī)物(wù)种(zhǒng)的(de)不(bù)同(tóng)的(de)个(gè)体(tǐ)间(jiān)也(yě)具(jù)有(yǒu)差(chà)异(yì)。而(ér)人(rén)在(zài)生(shēng)产(chǎn)过(guò)程(chéng)中(zhōng)会(huì)有(yǒu)意地保留最符合自己要求的个体，令其繁衍更多后代，并继续在后代中选择并保留更符合生产需求的个体，在漫长的选择过程中实现作物的驯化。

由此我们可以总结出“驯化”过程必需的要素：随机变异和从需求出发的选择(zé)。在(zài)1952年(nián)，科学家已经通过多个实验揭示了细胞生物的遗传物质是DNA，它在细胞中指挥着蛋白质的合成，生物变异的本质也就是细胞中DNA的变化。在驯化作物的过程中，变异主要来自有性生殖过程中的基因重组和细胞分裂过程中的随机突变。然而这种变异发生的频率太低，需要漫长的时光才能实现驯化。为了提高变异的频率，科学家最初使用了较为“暴力”的手段：对细胞施加一些能对DNA造成损伤的因素，如紫外线等。这些因素会对原有的DNA造成一定损伤，从而逼迫细胞对DNA进行修复。在修复的过程中难免“忙(máng)中(zhōng)出(chū)错(cuò)”，实(shí)现(xiàn)较(jiào)高(gāo)频(pín)率(lǜ)的(de)突(tū)变(biàn)。但(dàn)这(zhè)样(yàng)的(de)诱(yòu)变(biàn)过(guò)程(chéng)过(guò)于(yú)盲(máng)目(mù)，对(duì)细(xì)胞(bāo)容(róng)易(yì)造(zào)成(chéng)损(sǔn)伤(shāng)的(de)同(tóng)时(shí)还(hái)无(wú)法(fǎ)保(bǎo)证(zhèng)突(tū)变(biàn)发(fā)生(shēng)在(zài)目(mù)标(biāo)蛋(dàn)白(bái)对(duì)应(yīng)的(de)基(jī)因(yīn)上(shàng)，很(hěn)容(róng)易(yì)做(zuò)大(dà)量(liàng)无(wú)用(yòng)功(gōng)。

为(wèi)了(le)将(jiāng)诱(yòu)变(biàn)集中(zhōng)在(zài)目(mù)标(biāo)基(jī)因(yīn)中(zhōng)，科(kē)学(xué)家(jiā)们(men)发(fā)明(míng)了(le)一(yī)种(zhǒng)类(lèi)似(shì)于(yú)“分(fēn)子(zi)手(shǒu)术(shù)刀(dāo)”的(de)分(fēn)子(zi)生(shēng)物(wù)学(xué)技(jì)术(shù)——聚(jù)合酶链式反应（PCR）。PCR是一种在非细胞体系中实现特定DNA片段复制的技术，它的核心是忠实“抄写”遗传信息的DNA聚合酶。这类酶在催化新DNA合成的时候可以按照碱基互补配对原则一丝不苟地合成(chéng)新(xīn)DNA分(fēn)子(zi)，虽(suī)然(rán)偶(ǒu)尔(ěr)也(yě)会“抄错”，但多数DNA聚合酶都自带“改错”机制，可以识别并更正“抄错”的部分。

图片版权图库，转载使用可能引发版权纠纷

当(dāng)我(wǒ)们(men)需(xū)要(yào)让(ràng)特(tè)定(dìng)的(de)基(jī)因(yīn)片(piàn)段(duàn)产(chǎn)生(shēng)变(biàn)异(yì)的(de)时(shí)候(hou)，就(jiù)可(kě)以(yǐ)将(jiāng)负(fù)责(zé)抄(chāo)写(xiě)的(de)DNA聚(jù)合(hé)酶(méi)换(huàn)为(wèi)不(bù)具(jù)备(bèi)“改(gǎi)错(cuò)”机(jī)制(zhì)的(de)酶(méi)，并(bìng)提(tí)高(gāo)反(fǎn)应(yīng)环(huán)境(jìng)中(zhōng)的(de)镁离子浓度，增加DNA聚合酶“抄错”的概率。

在获得(de)这(zhè)些(xiē)DNA片(piàn)段(duàn)后(hòu)，将(jiāng)他们连入载体、导入细胞，就可以获得一大批具有含有特定基因随机突变的细胞群。这种精准定位的分子编辑，还带有更加丰富的随机突变，使变异效率提升百倍以上，真正实现了“外科手术式”的基因改造。

目前，科学家已经通过定向进化技术“驯化”了很多酶，但这种对自然选择的模仿存在一个无法避免的问题：和在自然界中一样，实验室中营造(zào)突变具有不定向性。如果直接按照脑海中的蓝图创造出全新的蛋白质，生产效率将获得更大的提升。

随着计算机技术的进步，科学家开始利用信息技术工具对蛋白质三维结构和对应功能进行预测，绘制蛋白质的详细“图纸”。例如，著名的AlphaFold平台可以实现高精度的蛋白质结构预测，任何人只要输入一串氨基酸序列就可以看到对应的蛋白质结构，甚至可以预测蛋白质与DNA、RNA等其他分子相互作用的情况。

2024年10月9日，谷歌DeepMind的 Demis Hassabis、John Jumpe 因对蛋白质结构的预测，与蛋白质设计先驱 David Baker 分享了2024年诺贝尔(ěr)化学奖。

图片来源：Nature官网

另外，蛋白质功能预测系统“CLEAN”则可以在数据库中进行精细、准确的蛋白质功能预测。这些工具都可以帮助科学家更精细地改造蛋白质，甚至创造出自然界中不存在的、具有特定功能的蛋白质。科学家可以从蛋白质功能出发确定最核心的部件——最小活性位点(diǎn)，随(suí)后(hòu)利(lì)用(yòng)计(jì)算(suàn)工(gōng)具(jù)逐(zhú)步(bù)生(shēng)成(chéng)完(wán)整(zhěng)的(de)蛋(dàn)白(bái)质(zhì)骨(gǔ)架(jià)蓝(lán)图(tú)。经(jīng)过(guò)多(duō)次(cì)迭(dié)代(dài)和(hé)优(yōu)化(huà)，最(zuì)终(zhōng)按(àn)照(zhào)蓝(lán)图(tú)合(hé)成(chéng)的(de)全新(xīn)蛋(dàn)白(bái)质(zhì)与(yǔ)预(yù)测(cè)结(jié)构(gòu)高(gāo)度(dù)一(yī)致(zhì)，并(bìng)且(qiě)具(jù)有(yǒu)接(jiē)近(jìn)天然蛋白质的催化能力。

在这些人工智能工具的帮助下，未来对酶的研究和创造必然会更加(jiā)简(jiǎn)便(biàn)、活(huó)跃(yuè)。

参(cān)考(kǎo)文献(xiàn)：

[1]Eckert KA, Kunkel TA. DNA polymerase fidelity and the polymerase chain reaction. PCR Methods Appl. 1991 Aug;1(1):17-24.

[2].Saiki RK, Gelfand DH, Stoffel S, Scharf SJ, Higuchi R, Horn GT, Mullis KB, Erlich HA. Primer-directed enzymatic amplification of DNA with a thermostable DNA polymerase. Science. 1988 Jan 29;239(4839):487-91.

[3]KOSCHORRECK K, SCHMID RD, URLACHER VB. Improving the functional expression of a Bacillus licheniformis laccase by random and site-directed mutagenesis[J]. BMC Biotechnology, 2009, 9: 12.

[4]GUPTA N, FARINAS ET. Directed evolution of CotA laccase for increased substrate specificity using Bacillus subtilis spores[J]. Protein Engineering, Design and Selection, 2010, 23(8): 679-682.

[5]Tianhao Yu et al.Enzyme function prediction using contrastive learning.Science379,1358-1363(2023).DOI:10.1126/science.adf2465

[6]Anna Lauko et al.Computational design of serine hydrolases.Science0,eadu2454

作者：何一文 清华大学本硕，中学教师

审核：李旭 中国科协研究员，中国科学技术大学副教授

出品：

本文封面图片来自版权图库，转载使用可能引发版权纠纷