《Nature》丰富的人类蛋白质“秘密之门”将重塑药物的发现

发表在《自然》(Nature)杂志上的一项突破性新技术揭示了许多以前隐藏的控制蛋白质功能的治疗靶点的存在，理论上，这些靶点可以显著改变痴呆症、癌症和传染病等多种疾病的病状。该方法发现了大量可识别的“秘密门”，可能会改变药物发现的游戏规则，导致更安全、更智能和更有效的药物。它使世界各地的研究实验室能够发现和利用任何蛋白质的弱点——包括那些以前被认为“无药可治”的蛋白质。

　　

   

   

人体蛋白质PSD95-PDZ3从不同角度的三维图像。图中显示的是活性部位的结合伙伴CRIPT(黄色)，蓝色到红色的颜色梯度表明变构效应的可能性增加。基于PDB接入1BE9。

巴塞罗那基因组调控中心（CRG）的研究人员开发了一项开创性的新技术，揭示了存在大量以前秘密的控制蛋白质功能的门，从理论上讲，这些门可以用来显著改变痴呆、癌症和传染病等各种疾病的进程。

根据发表在《Nature》杂志上的一项新研究的发现，人类蛋白质表面潜在的治疗靶点的数量比以前认为的要多得多。

这种同时进行数万个实验的方法，已被用于绘制两种最常见的人类蛋白质中这些难以捉摸的目标（也称为变构位点）的第一张图谱，显示它们丰富且可识别。

这种方法可能会改变药物发现的游戏规则，导致更安全、更智能和更有效的药物。它使世界各地的研究实验室能够发现并利用任何蛋白质中的脆弱性——包括那些以前认为“不可治疗”的蛋白质。

“不仅这些潜在的治疗部位非常丰富，而且有证据表明它们可以通过许多不同的方式进行操纵。我们可以像调节恒温器一样调节它们的活动，而不是简单地打开或关闭它们。从工程学的角度看，这是惊人的，因为它为我们提供了足够的空间来设计针对坏的、不伤害好的‘智能药物’，”他解释道AndréFaure是CRG的博士后研究员，也是论文的第一作者之一。

蛋白质在所有生物体中起着核心作用，并执行重要功能，如提供结构、加速反应、充当信使或对抗疾病。它们由氨基酸组成，在三维空间中折叠成无数不同的形状。蛋白质的形状对其功能至关重要，氨基酸序列中的一个错误就可能对人类健康造成毁灭性的后果。

变构是蛋白质功能尚未解开的谜团之一。当一个分子与蛋白质表面结合时，就会产生变构效应，进而导致同一蛋白质的远处发生变化，通过远程控制来调节其功能。由于变构效应，许多致病突变，包括许多癌症驱动因素，都是病理性的。

尽管变构位点非常重要，但它们很难找到。这是因为控制蛋白质如何在原子水平上工作的规则是看不见的。例如，一种蛋白质可能在进入的分子存在下变形，从而暴露出其表面深处的隐藏口袋，这些口袋可能是变构的，但仅通过常规结构测定无法识别。

传统上，药物猎手设计的治疗方法针对的是蛋白质的活性部位，即发生化学反应或结合靶点的小区域。这些药物（也称为正构药物）的缺点是，许多蛋白质的活性位点看起来非常相似，因此药物往往会同时结合和抑制许多不同的蛋白质，导致潜在的副作用。相比之下，变构位点的特异性意味着变构药物是目前最有效的药物类型之一。许多变构药物是偶然发现的，可以治疗从癌症到艾滋病再到激素紊乱等各种疾病。

这项研究的作者通过开发一种称为双深度PCA（ddPCA）的技术来应对这一挑战，他们称之为“蛮力实验”：我们有目的地以数千种不同的方式打破事物，以构建一幅事物如何运作的完整图景，这就像怀疑火花塞有故障一样，但机修工不是只检查火花塞，而是拆下整辆车，一件一件地检查。通过一次测试一万件东西，我们确定了所有真正重要的部件。

该方法的工作原理是改变组成蛋白质的氨基酸，从而产生数千种不同版本的蛋白质，其中只有一个或两个序列上的差异。然后在实验室的活细胞中同时测试突变的影响。

每个细胞都是一个制造不同版本蛋白质的小工厂。在一个试管中，我们有数百万个不同的工厂，因此我们可以非常快速地测试所有不同版本蛋白质的工作情况。从实验中收集的数据被输入神经网络，这些算法通过模仿人脑的操作方式来分析数据，从而生成全面的地图，精确定位蛋白质表面变构位点的位置。

这种方法的一个巨大优势是，它是一种可供世界各地任何研究实验室使用的价格合理的技术。该研究的第一作者之一Júlia Domingo说：“它大大简化了寻找变构位点所需的过程，与几种不同的更昂贵、更耗时的实验室方法相比，该技术的准确度更高。我们希望其他科学家能利用这项技术快速、全面地逐个绘制人类蛋白质的变构位点。”

这项技术的长期好处之一是它有潜力研究蛋白质的功能和进化。

该研究的作者相信，如果扩大规模，该方法有朝一日可能会取得进展，可以根据蛋白质的氨基酸序列精确预测蛋白质的性质。作者认为，如果成功的话，这将开启一个预测性分子生物学的新时代，允许更快地开发新药物和基于生物的清洁产业

虽然有些工具可以通过读取蛋白质的序列来预测蛋白质的结构，但我们的方法更进一步，告诉我们蛋白质是如何工作的。这是让生物学像飞机、桥梁或计算机一样可工程化的更大愿景的一部分。70多年来，我们一直面临着同样的挑战，但事实证明，这些挑战比我们之前认为的更容易处理。如果成功，它将开启一个具有前所未有可能性的新领域。

Mapping the energetic and allosteric landscapes of protein binding domains