新纯化方法使低浓度蛋白质结晶

工程师们设计了一种在生产过程中净化蛋白质药物的方法。他们的方法使用纳米颗粒快速结晶蛋白质，可以帮助使蛋白质药物更便宜和更容易获得，特别是在发展中国家。

　　

在制造抗体或胰岛素等蛋白质药物时，最昂贵的步骤之一是纯化步骤:将蛋白质从用于生产蛋白质的生物反应器中分离出来。这一步可以占到制造蛋白质总成本的一半。

为了降低成本，麻省理工学院的工程师们设计了一种新的方法来进行这种净化。他们的方法是使用特殊的纳米颗粒快速结晶蛋白质，这可能有助于使蛋白质药物更便宜和更容易获得，特别是在发展中国家。

“这项工作使用生物偶联功能化纳米颗粒作为模板，在低浓度下增强蛋白质晶体的形成，”麻省理工学院机械工程教授、这项新研究的高级作者Kripa Varanasi说。“我们的目标是降低成本，使这种药物制造在发展中国家变得负担得起。”

研究人员证明，他们的方法可以用来结晶溶菌酶(一种抗菌酶)和胰岛素。他们相信它也可以应用于许多其他有用的蛋白质，包括抗体药物和疫苗。

麻省理工学院的研究生Caroline McCue是这项研究的主要作者，今天发表在ACS应用材料和界面杂志上。Henri-Louis Girard博士也是这篇论文的作者之一。

蛋白质纯化

抗体和其他蛋白质药物是越来越多的生物制剂药物的一部分，生物制剂还包括DNA和RNA等分子药物，以及基于细胞的疗法。大多数蛋白质药物是由活细胞如酵母在大型生物反应器中生产的。

一旦产生了这些蛋白质，它们就必须从反应器中分离出来，这通常是通过一种称为色谱的过程来完成的。色谱法根据蛋白质的大小来分离蛋白质，需要特殊的材料，这使得这个过程非常昂贵。

Varanasi和他的同事决定尝试一种不同的方法，基于蛋白质结晶。研究人员经常结晶蛋白质来研究它们的结构，但这个过程被认为太慢，不适合工业使用，而且在低浓度的蛋白质下效果也不好。为了克服这些障碍，Varanasi的实验室开始使用纳米级结构来加速结晶。

在之前的工作中，该实验室使用纳米尺度的特征来创建排斥水的材料或修改注入高粘性生物药物的界面。在这种情况下，研究人员想要调整纳米颗粒，使它们能够局部增加表面蛋白质的浓度，并提供一个模板，使蛋白质正确排列并形成晶体。

为了制造所需的表面，研究人员在金纳米颗粒上涂上了一种叫做生物偶联物的分子，这种分子可以帮助在其他分子之间形成连接。在这项研究中，研究人员使用了称为马来酰亚胺和NHS的生物偶联物，它们通常用于标记蛋白质进行研究或将蛋白质药物附着到药物传递纳米颗粒上。

当蛋白质溶液暴露在这些包覆的纳米颗粒上时，蛋白质在表面积聚并与生物偶联物结合。此外，生物偶联物迫使蛋白质以特定的方向排列，为其他蛋白质的出现和加入晶体创造一个支架。

研究人员用溶菌酶和胰岛素演示了他们的方法，溶菌酶的结晶特性已经得到了很好的研究。他们说，这种方法也可以应用于许多其他蛋白质。

“这是一种通用方法，也可以推广到其他系统。如果你知道你想要结晶的蛋白质结构，你就可以添加正确的生物偶联物，迫使这一过程发生，”Varanasi说。

快速结晶

在溶菌酶和胰岛素的研究中，研究人员发现，当蛋白质暴露在生物偶联涂层的纳米颗粒中时，结晶发生得更快，相比于裸纳米颗粒或不含纳米颗粒。使用涂层颗粒，研究人员发现诱导时间(晶体开始形成所需的时间)减少了七倍，成核速率(晶体开始生长的速度)增加了三倍。

“即使在低蛋白质浓度下，我们也能看到更多的晶体与这些生物偶联功能化纳米颗粒形成，”McCue说。功能化纳米颗粒大大减少了诱导时间，因为这些生物偶联物为蛋白质结合提供了一个特定的位点。因为蛋白质是排列在一起的，它们可以更快地形成晶体。”

此外，该团队还使用机器学习分析了数千张晶体图像。“蛋白质结晶是一个随机过程，所以我们需要一个庞大的数据集，才能真正衡量我们的方法是否提高了结晶的诱导时间和成核速率。有这么多的图像需要处理，机器学习是能够确定每张图像中何时形成晶体的最佳方法，而无需仔细检查并手动计算每张图像，”McCue说。

该项目是比尔和梅琳达·盖茨基金会努力生产生物药物的一部分，例如在临床试验中已被证明可以预防疟疾的预防性抗体，在发展中国家更广泛地获得。麻省理工学院的团队现在正在努力扩大这一过程，以便可以在工业生物反应器中使用，并证明它可以与单克隆抗体、疫苗和其他有用的蛋白质一起工作。

Varanasi说:“如果我们能让在任何地方制造这些蛋白质变得更容易，那么世界上的每个人都能受益。我们并不是说，这个问题明天就能因为我们而得到解决，但这是有助于实现这一使命的一小步。”

Caroline McCue, Henri-Louis Girard, Kripa K. Varanasi. Enhancing Protein Crystal Nucleation Using In Situ Templating on Bioconjugate-Functionalized Nanoparticles and Machine Learning. ACS Applied Materials & Interfaces, 2023