从折叠到设计：一个范式的反转
蛋白质折叠问题是分子生物学领域的"圣杯"之一：一条由 20 种氨基酸组成的线性多肽链，如何在细胞环境中自发折叠成精确的三维结构，并由此决定其功能。这个问题的理论根基可以追溯到 Anfinsen 在 1960 年代的实验——他证明了核糖核酸酶在变性后可以自发重新折叠，暗示蛋白质的天然结构由其氨基酸序列编码。
David Baker 在华盛顿大学的研究从预测折叠开始。他的团队开发了 Rosetta 软件，用物理力场和蒙特卡洛搜索来预测氨基酸链的三维结构。在 CASP（Critical Assessment of protein Structure Prediction）竞赛中，Rosetta 长期代表着非深度学习方法的最高水平。但真正的突破来自 2020 年——DeepMind 的 AlphaFold2 在 CASP14 中达到了实验级精度，宣告蛋白质结构预测问题在实践层面被"解决"。
然而 Baker 的目光早已超越预测。如果我们可以预测序列如何折叠，那么反过来——给定一个目标三维结构，能否设计出一条会折叠成该结构的氨基酸序列？这就是从头蛋白质设计（de novo protein design）的核心问题。Baker 团队把预测管线反转过来：先在计算机中构建目标骨架，再用 Rosetta 或深度学习模型填充序列，最后合成基因、在大肠杆菌或酵母中表达、用 X 射线晶体学或冷冻电镜验证结构。
Science 杂志的报道指出，Baker 实验室的咖啡桌上摆放着八个 3D 打印的蛋白质模型——有些像环，有些像球，有些像管子，有些像笼子——它们代表了自然界中从未存在过的蛋白质拓扑结构。这些不是对天然蛋白质的改造，而是从零开始的设计。过去几年中，随着基因组学和计算革命的双重推动，Baker 团队几乎解决了蛋白质折叠这一现代科学最大挑战之一，并把这个能力反转为设计工具。
Rosetta：物理力场驱动的从头设计起点
Rosetta 是 Baker 实验室的核心软件平台，其历史可以追溯到 1990 年代末。它的设计哲学是用物理能量函数来评估蛋白质构象的合理性——范德华力、静电相互作用、氢键、溶剂化效应、二面角偏好——然后通过片段组装和蒙特卡洛搜索来探索构象空间。
在从头设计场景中，Rosetta 的工作流程是：首先从蛋白质数据库（PDB）中提取片段，组装出候选骨架；然后用侧链打包算法填充氨基酸身份；最后用全原子能量函数评估设计序列是否折叠成目标结构。这个流程在 2000 年代至 2010 年代产出了大量验证案例——包括第一个完全从头设计的蛋白质 Top7（PDB: 1QYS），其晶体结构与设计模型高度一致。
Rosetta 的局限性在于其物理力场的近似性。能量函数中的每一项都是对真实物理相互作用的简化，累积误差使得 Rosetta 在序列恢复（sequence recovery）任务上的表现有限——在天然骨架上，Rosetta 只能恢复约 32.9% 的原始氨基酸身份。这意味着大多数 Rosetta 设计在实际表达和结构验证中失败率较高，需要大量的实验筛选。
尽管如此，Rosetta 的贡献不可低估。它建立了从头蛋白质设计的完整范式——骨架设计、序列填充、结构验证——并为后续深度学习方法提供了概念框架和评估基准。Baker 实验室在 Rosetta 基础上构建的衍生工具——包括用于对称组装设计的 SymDesign、用于酶设计的 RosettaMatch/RosettaDesign、用于界面设计的 InterfaceAnalyzer——至今仍在学术界和工业界广泛使用。
RFdiffusion：扩散模型生成蛋白质骨架
RFdiffusion 是 Baker 团队在 2023 年发布的蛋白质骨架生成模型，标志着从头设计从物理力场时代进入深度学习时代。它的核心思想借鉴了图像生成领域的扩散模型（Diffusion Model）：从随机噪声出发，逐步去噪生成蛋白质骨架的原子坐标。
RFdiffusion 的架构基于 RoseTTAFold——Baker 团队开发的结构预测模型，采用三轨（3-track）设计，同时处理一维序列、二维距离图和三维坐标。在扩散框架下，RFdiffusion 把蛋白质骨架的 Cα 坐标视为"图像像素"，通过添加高斯噪声然后逐步去噪来学习骨架的分布。训练数据来自 PDB 中的实验结构，模型学会了从噪声中"浮现"出合理的蛋白质拓扑。
RFdiffusion 的关键创新在于条件生成。通过在去噪过程中引入条件信号——如目标蛋白的结合界面热点残基、对称性约束（用于设计环状寡聚体或纳米笼）、功能位点约束（用于酶活性中心的几何匹配）——模型可以生成满足特定设计目标的骨架。这使得 RFdiffusion 不仅能生成"看起来像蛋白质"的骨架，还能生成"能做某件事"的骨架。
在实验验证中，RFdiffusion 生成的蛋白质设计在表达率、溶解性和结构匹配度上均显著优于 Rosetta。对于 binder 设计任务——即设计一个能结合指定靶标蛋白的小蛋白质——RFdiffusion 的成功率从 Rosetta 时代的不到 1% 提升到了 10-40%（取决于靶标和实验条件）。这种量级的提升使得从头设计从"大量筛选少数成功"的模式转变为"少量筛选多数成功"的模式。
RFdiffusion 还支持多种设计模式：无条件生成（探索新拓扑）、binder 设计（靶向结合）、symmetry 生成（对称寡聚体）、motif scaffolding（将功能基序嵌入新骨架）和酶设计（活性位点几何约束）。这些模式覆盖了蛋白质设计的主要应用场景，使 RFdiffusion 成为当前从头设计领域最通用的骨架生成工具。
ProteinMPNN：深度学习驱动的序列设计
如果说 RFdiffusion 解决了"骨架从哪里来"的问题，那么 ProteinMPNN 解决了"给定骨架，序列是什么"的问题。ProteinMPNN 是 Baker 团队在 2022 年发布的蛋白质序列设计模型，用消息传递神经网络（Message Passing Neural Network, MPNN）替代了 Rosetta 的物理力场侧链打包算法。
ProteinMPNN 的架构包含三个编码器层和三个解码器层，使用 128 个隐藏维度。输入特征包括 Cα-Cα 距离、相对方位角和旋转角、骨架二面角，以及 N、Cα、C、O 原子间的距离和虚拟 Cβ 原子位置。模型以自回归方式从 N 端到 C 端逐残基生成氨基酸身份，类似于语言模型中的 next-token 预测。
在性能上，ProteinMPNN 在天然骨架上的序列恢复率达到 52.4%，相比 Rosetta 的 32.9% 有显著提升。更重要的是，ProteinMPNN 支持多链输入——可以在多条链之间耦合氨基酸身份，这对于设计蛋白质-蛋白质界面、环状寡聚体和纳米笼至关重要。在实验验证中，ProteinMPNN 成功"拯救"了大量此前用 Rosetta 或 AlphaFold 设计但实验失败的单体、环状寡聚体、四面体纳米颗粒和靶标结合蛋白。
ProteinMPNN 的另一个优势是推理速度。由于模型规模较小且不需要迭代优化，ProteinMPNN 可以在毫秒级别完成一条序列的设计，使得大规模计算筛选成为可能。在典型的设计流程中，RFdiffusion 生成数百到数千个候选骨架，ProteinMPNN 为每个骨架设计 8-16 条序列，然后用 AlphaFold 或 ESMFold 对序列-结构一致性进行快速过滤，最终选出最有可能在实验中成功的设计。
这个"RFdiffusion → ProteinMPNN → AlphaFold/ESMFold 过滤"的三步管线已经成为从头蛋白质设计的事实标准。Baker 团队和全球合作者用这个管线设计出了针对 SARS-CoV-2、流感病毒、RSV 等病原体的 binder，以及用于细胞内信号通路调控的靶向结合蛋白。
自组装纳米笼：120个设计蛋白的分子机器
Science 杂志的报道特别提到了 Baker 团队和合作者在自组装蛋白质纳米笼（nanocage）方面的突破。这项工作发表于 Science，报告了由多达 120 个设计蛋白自组装而成的笼状结构。这些纳米笼不是对病毒衣壳蛋白的改造，而是完全从头设计的对称组装体。
纳米笼的设计原理是利用群论和对称性约束。Baker 团队在设计过程中指定目标对称群（如二十面体对称 I 对称群），然后让 RFdiffusion 或 Rosetta 在对称约束下生成单体骨架。每个单体需要满足两个条件：一是自身能稳定折叠，二是其表面需要呈现特定的界面残基，使得多个单体能通过界面相互作用自发组装成目标对称结构。
120 聚体的纳米笼代表了蛋白质设计在尺度上的重大突破。此前，从头设计的蛋白质组装体大多局限于 2-12 聚体（二聚体、三聚体、六聚体等）。120 聚体的设计需要精确控制蛋白质-蛋白质界面的几何和能量，使得 120 个分子在溶液中自发找到正确的组装路径，而不形成无规则聚集体。
这些纳米笼的应用前景广泛。在疫苗领域，纳米笼可以用来展示抗原表位——通过将病毒表面蛋白的关键结构域展示在纳米笼表面，可以创建具有高免疫原性的候选疫苗。在药物递送领域，纳米笼的内部空腔可以包裹小分子药物或核酸载荷，实现靶向递送。在材料科学领域，蛋白质纳米笼可以作为分子支架，用于构建具有精确纳米结构的功能材料。
Baker 团队还设计了更复杂的组装体，包括可以动态开合的"分子笼门"和响应配体浓度变化而改变构象的别构纳米笼。这些设计展示了蛋白质设计从静态结构向动态分子机器演进的趋势。
从HIV疫苗到通用流感蛋白：药物应用前沿
Baker 实验室在药物和疫苗领域的成果已经相当丰富。Science 杂志的报道列举了多个重点项目，包括实验性 HIV 疫苗、针对所有流感毒株的新型蛋白质、以及用于细胞内递送重编程 DNA 的载体分子。
在 HIV 疫苗方面，Baker 团队设计了能呈现 HIV 包膜蛋白关键保守表位的自组装纳米笼。传统 HIV 疫苗的挑战在于病毒的高度变异性和糖基化屏蔽——病毒表面的易变区域不断突变，而保守区域被多糖链遮蔽，使得免疫系统难以产生广谱中和抗体。通过从头设计纳米笼，Baker 团队可以精确控制表位的展示几何——将保守表位以高密度和特定间距展示在纳米笼表面，从而引导免疫系统聚焦于这些难以自然暴露的靶标。
在流感方面，Baker 团队的目标是设计能对抗所有流感毒株的蛋白质。流感病毒的表面蛋白血凝素（hemagglutinin, HA）有一个高度保守的茎部区域（stem），这个区域在不同毒株之间变化很小，但在自然病毒中被头部区域遮蔽。Baker 团队设计了能靶向 HA 茎部的小型结合蛋白，通过结合茎部阻止病毒的膜融合机制。这种策略有望绕过传统流感疫苗每年需要更新毒株预测的局限性，实现广谱防护。
在肿瘤免疫治疗方面，Baker 团队设计了靶向 PD-L1、HER2、EGFR 等肿瘤相关抗原的 binder。这些小型设计蛋白相比抗体具有独特优势：体积更小（约 40-60 残基 vs 抗体的 ~1300 残基），可能更好地穿透实体瘤；热稳定性高，不需要冷链运输；生产成本低，可以在大肠杆菌中高效表达。部分设计已进入临床前开发阶段，通过 Baker 联合创立的公司（如 Neoleukin、Arzeda、Vilya 等）推进产业化。
Science 杂志还提到了 Scripps Research Institute 等机构在血凝素茎部靶向方面的合作研究。这些跨机构合作展示了蛋白质设计领域从学术发现到临床转化的完整链路。
碳捕获酶与合成生物学：设计蛋白进入工业
Baker 实验室的工作不限于药物——他们还在合成生物学和工业生物催化领域取得了重要进展。Science 杂志报道了 Baker 团队将完全新颖的代谢通路工程到细菌中，包括帮助微生物从大气中吸收二氧化碳并转化为有用化学品的设计酶。
酶设计是蛋白质设计中最具挑战性的任务之一，因为它不仅要求蛋白质折叠成正确的结构，还要求在精确的几何位置上布置催化残基，使其能稳定过渡态并降低活化能。Baker 团队在 RosettaMatch/RosettaDesign 时代就建立了酶设计的基本流程：先定义催化基序（theozyme）——即催化反应所需的关键残基及其几何关系——然后搜索骨架库找到能容纳该基序的蛋白质骨架，最后用序列设计算法填充周围的残基以稳定催化构象。
在深度学习时代，RFdiffusion 的 motif scaffolding 模式为酶设计提供了新工具。通过将催化基序作为条件信号输入 RFdiffusion，模型可以生成围绕活性位点的新骨架，然后用 ProteinMPNN 设计序列。这个流程已经在多种酶催化反应中得到验证，包括 Retro-Aldol 酶、Kemp 消除酶和 Diels-Alder 酶。
在碳捕获领域，Baker 团队设计了能催化 CO₂ 固定反应的酶。天然碳固定途径（如 Calvin 循环中的 RuBisCO）的催化效率通常较低——RuBisCO 的周转率约 3-5 s⁻¹，是已知最慢的酶之一。通过从头设计，Baker 团队试图创造催化效率更高的碳固定酶，为工业生物催化提供更高效的 CO₂ 转化方案。这些设计酶被导入微生物，使工程菌能从大气或工业排放中吸收 CO₂ 并转化为生物质或高价值化学品。
这项工作的产业意义在于：如果设计酶的催化效率能超过天然酶，那么碳捕获和利用的经济性将大幅改善，为应对气候变化提供生物学方案。Baker 联合创立的公司 Arzeda 专门致力于工业酶的设计和商业化，服务领域包括特种化学品、农业生物技术和消费品材料。
载体分子与基因递送：蛋白质设计的平台化
Science 杂志的报道还提到了 Baker 团队在载体分子方面的进展——设计能将重编程 DNA 运送进细胞的蛋白质载体。这项工作处于蛋白质设计与基因治疗的交叉领域，具有重要的临床转化潜力。
传统的基因递送载体主要是病毒载体（如 AAV、慢病毒）和脂质纳米颗粒（LNP）。病毒载体存在免疫原性、包装容量限制和生产成本问题；LNP 则在靶向性和载荷类型上存在局限。从头设计的蛋白质载体有望提供一种全新的递送范式——通过精确设计蛋白质的表面电荷、受体结合域和载荷包裹机制，实现细胞类型特异性递送。
Baker 团队设计了能自组装成纳米笼并在内部包裹 DNA 的蛋白质载体。这些设计蛋白通过界面工程实现可控的组装和解组装——在细胞外环境中稳定组装，在进入细胞后响应内体酸化或其他环境信号释放载荷。这种 pH 响应设计利用了组氨酸残基在酸性环境中的质子化效应，通过在界面引入组氨酸残基实现酸触发的构象切换。
蛋白质载体的另一个优势是可编程性。通过修改 binder 部分的序列，可以改变载体的细胞靶向特异性——例如，将靶向肝细胞受体的 binder 融合到纳米笼表面，就能实现肝脏特异性递送；换成靶向 T 细胞的 binder，则可以用于 CAR-T 或基因编辑的递送。这种模块化设计使蛋白质载体成为一个通用平台，可以快速适配不同的递送需求。
Baker 团队还在探索将设计蛋白用于 CRISPR 系统的递送。传统 CRISPR 递送依赖 AAV 或 RNP（核糖核蛋白）直接注射，前者存在包装容量限制（Cas9 基因约 4.2 kb，接近 AAV 的 4.7 kb 包装上限），后者存在细胞穿透效率问题。设计蛋白载体可能提供更大的载荷容量和更好的组织穿透性。
技术栈对比与产业格局
蛋白质设计领域的技术栈在过去五年中经历了快速演进。以下从几个关键维度对比当前主流工具：
骨架生成。Rosetta 基于物理力场和片段组装，生成速度慢（每个设计需数分钟到数小时），但可以精确控制设计约束。RFdiffusion 基于扩散模型，生成速度快（每个设计数秒到数分钟），且支持条件生成。Chroma（Generate Biomedicines）是另一个基于扩散模型的蛋白质生成系统，采用全原子表示。ESMFold 和 AlphaFold2 虽然主要用于结构预测，但也可以通过 hallucination 模式（优化序列使预测结构满足目标约束）进行骨架设计。
序列设计。ProteinMPNN 是当前最广泛使用的序列设计工具，序列恢复率 52.4%，推理速度极快。ESM-IF（Evolutionary Scale Model Inverse Folding）是 Meta 发布的逆折叠模型，基于 GVP 编码器和 Transformer 解码器。LigandMPNN 是 ProteinMPNN 的扩展版本，支持配体感知的序列设计——在序列设计过程中考虑小分子配体的原子坐标，使设计序列能更好地结合目标配体。
结构验证。AlphaFold2 和 ESMFold 用于计算验证设计序列的结构一致性——如果设计序列被 AlphaFold2 预测的结构与设计目标骨架高度一致（pLDDT > 80，RMSD < 2 Å），则该设计更有可能在实验中成功。ESMFold 的优势是推理速度比 AlphaFold2 快 60 倍以上，适合大规模筛选。Boltz-2 和 AlphaFold3 进一步支持蛋白质-配体复合物的结构预测，为酶设计和 binder 设计提供更准确的验证。
产业格局。Baker 联合创立的多家公司覆盖了蛋白质设计的不同应用领域：Neoleukin（设计蛋白药物，已被收购）、Arzeda（工业酶）、Vilya（大环肽类药物）、Xaira Therapeutics（AI 驱动药物发现）。此外，Generate Biomedicines（Chroma 模型）、EvolutionaryScale（ESM 系列模型）和 Inceptive（RNA 疫苗设计）等公司也在推动 AI 蛋白质设计的产业化。2024 年 Baker 获得诺贝尔化学奖（与 Demis Hassabis 和 John Jumper 共享），进一步确认了蛋白质设计作为一门新学科的学术和产业地位。
未来展望：从设计蛋白到设计生命
蛋白质设计正在从单一分子设计向系统级设计演进。Baker 团队在 Science 报道中展示的成果——从单个 binder 到自组装纳米笼，从酶催化到代谢通路工程——揭示了一条从分子到系统的技术路径。
在分子层面，蛋白质设计正在突破天然氨基酸的边界。非天然氨基酸（non-canonical amino acids, ncAAs）的引入使设计蛋白可以拥有新的化学反应性和光谱特性。Baker 团队已经在探索将 ncAAs 整合到 RFdiffusion 和 ProteinMPNN 的设计流程中，通过扩展氨基酸字母表来增加设计空间。
在组装层面，动态蛋白质机器的设计是下一个前沿。当前的纳米笼大多是静态结构，但 Baker 团队已经开始设计能响应环境信号（pH、配体浓度、光）而改变构象的别构纳米笼。结合 SwitchCraft 等 AI 方法——通过 Boltz 共折叠模型梯度优化设计在不同配体状态下切换构象的蛋白质——未来可能实现真正的蛋白质分子机器：能执行逻辑运算、能量转换或分子运输的设计蛋白系统。
在系统层面，设计蛋白正在成为合成生物学的核心组件。Baker 团队将设计酶导入微生物以构建全新代谢通路，这只是一个开始。未来的合成生物学可能使用整套设计蛋白——设计酶催化新反应、设计传感器检测代谢物浓度、设计转录因子调控基因表达、设计纳米笼递送载荷——来构建具有定制功能的"设计生命"。
Science 杂志的报道最后指出，Baker 对自然界提供的东西并不满足——至少在分子层面如此。这种不满足驱动了一个全新学科的诞生。从咖啡桌上的 3D 打印模型到诺贝尔奖的领奖台，David Baker 和他的团队证明了人类不仅能理解蛋白质，还能创造蛋白质。当设计蛋白开始进入临床试验、工业生产和环境修复，我们正在见证一个新生物经济时代的开端。
参考信息
原始报道：Science, "This protein designer aims to revolutionize medicines and materials" — Robert F. Service, Science 杂志关于 David Baker 实验室的深度报道。
核心技术论文：
1. Dauparas, J. et al. "Robust deep learning–based protein sequence design using ProteinMPNN." Science 378, 49-56 (2022).
2. Watson, J.L. et al. "De novo design of protein structure and function with RFdiffusion." Nature 620, 1086-1094 (2023).
3. Hsia, Y. et al. "Design of multi-layer protein cages and icosahedral nanocages." Nature 610, 369-376 (2022).
4. Baek, M. et al. "Accurate prediction of protein structures and interactions using a three-track neural network." Science 373, 871-876 (2021).
5. Jumper, J. et al. "Highly accurate protein structure prediction with AlphaFold." Nature 596, 583-589 (2021).
6. Wu, R. et al. "Design of intrinsically disordered region binding proteins." Science 386, 495-502 (2024).
7. Krishna, R. et al. "Generalized biomolecular modeling and design with RoseTTAFold All-Atom." Science 384, eadl2528 (2024).
相关机构：Institute for Protein Design (University of Washington), Baker Lab, EvolutionaryScale, Generate Biomedicines, DeepMind/Google.
开源工具：Rosetta (rosettacommons.org), RFdiffusion (GitHub), ProteinMPNN (GitHub), ESMFold (GitHub), ColabFold (GitHub).