近日，英国上市公司官网365陈海峰教授课题组与冯雁教授课题组合作在中科院Top期刊《Briefings in Bioinformatics》在线发表题为Graphormer Supervised De Novo Protein Design Method and Function Validation的研究成果，该研究开发了一种原创而高效的全新蛋白序列设计方法GPD（图1所示）,该方法与当前的SOTA方法proteinMPNN相比，序列多样性显著更高，生成速度快2.2倍，能够显著提升工业酶及蛋白质药物的从头设计能力。我院本科生穆俊羲为第一作者，博士生李政新、本科生张博、博士生张琦为共同第一作者，我院陈海峰教授、冯雁教授以及魏婷助理研究员为共同通讯作者。

蛋白质设计是几乎所有蛋白质工程问题的核心，因为它可以实现具有全新生物学功能的蛋白质的创造，并能够提高酶的催化效率等。蛋白质设计的一个关键问题是固定骨架的蛋白质序列设计，它旨在设计新的序列以符合预定的蛋白质骨架结构。然而，现有的序列设计方法存在多种局限性，如序列多样性低和设计的功能性蛋白质的实验验证不足，严重阻碍了功能性蛋白质设计。

为了改进这些限制，陈海峰组开发了基于Graphormer的蛋白质设计（GPD）模型。该模型利用Transformer进行基于图的3D蛋白质结构表示，结合高斯噪声和序列随机掩码融入节点特征，从而增强了序列设计质量。陈海峰组利用GPD设计了CalB水解酶，并生成了九条人工设计的CalB蛋白。结果显示，与野生型CalB相比，设计序列的催化活性提高了1.7倍，并且在不同碳链长度（C2-C16）的p-硝基苯酚醋酸酯上表现出强烈的底物选择性。

图2. GPD的模型架构和输入特征

陈海峰课题组首先评估了GPD的序列设计质量，发现其能够设计生成更合理的蛋白序列，并且保有较高的序列多样性，同时多数设计的序列都能够在结构预测模型中折叠为所需的结构。图3中展示了GPD在序列可折叠性、序列同源性，以及序列多样性方面总体优于现有模型。

图3. GPD的序列设计质量评估

然后陈海峰组与冯雁组合作，将GPD应用到南极假丝酵母酯水解酶（CALB）的重设计上，图4展示了设计的结果：设计并筛选了9条序列，其中便有一条酶活达到原来的1.7倍。实验的结果说明GPD的设计具有合理性，同时效率高于之前的理性设计或定向进化方法。

图4. GPD在CALB设计上的应用及验证

此外，对于多个底物的酶活测试发现GPD设计的序列均具有很高的底物特异性，这对于CALB酶的工业应用也具有一定的意义。因此，GPD方法可用于工业酶和蛋白质药物的人工智能全新设计，为新质生产力的快速发展奠定方法学基础。

该研究获得国家重点研发计划(2020YFA0907700与2023YFF1205102)、中央高校基本科研业务费专项资金（YG2023LC03）以及国家自然科学基金面上项目 (21977068 与 32171242)的资助。同时感谢上海交通大学超算中心提供的计算平台支持。

论文链接：​​​​​​​https://doi.org/10.1093/bib/bbae135