AI助力：全新方法实现丝氨酸水解酶高效从头设计

酶作为生物催化的关键角色，在众多领域意义重大，不过，从头设计丝氨酸水解酶一直是酶工程领域的难题。近年来，AI在蛋白质设计领域取得进展，为解决这一问题带来新思路。

Science杂志发布了2024年诺贝尔化学奖得主DavidBaker团队的成果。他们利用深度学习模型PLACER和生成式模型RFDiffusion，成功设计出一系列高催化效率的丝氨酸水解酶。这些设计在活性位点几何结构和催化效率上均有创新和提升。

丝氨酸水解酶活性位点复杂，活性位点预组织困难，传统酶设计方法受限。为解决这些问题，DavidBaker团队构建了RFdiffusion工具，能生成具有所需活性位点的蛋白质骨架；共同作者则构建了PLACER网络，用于评估设计的蛋白质在反应过程中的活性位点预组织情况。

研究团队利用RFdiffusion生成蛋白质骨架，借助PLACER网络评估活性位点预组织，经过多轮设计、筛选、实验表征。结果显示，设计的丝氨酸水解酶与实验结构高度一致，催化效率显著提升。

此研究突破传统方法限制，为酶设计提供新工具和方法，展示了AI在生命科学和医学研究中的变革潜力，将推动多领域发展。