天然蛋白質的功能是高度優化的，但由于在異源系統中表達差、溶解度有限和對溫度的敏感性，通常難以以適合生物技術應用的規模化生產。有鑒于此，University of Washington的David Baker課題組開發了一種在保持功能的同時改善天然蛋白質物理性質的通用方法，該方法基于深度神經網絡ProteinMPNN，以及結合進化和結構信息，為增加蛋白質表達、穩定性和功能提供了一條途徑。這種方法可能對基于蛋白質的技術具有廣泛的實用性。
圖片來源：J. Am. Chem. Soc.
將該方法用于肌紅蛋白Mb的分子改造，通過設計后獲得的突變體其表達量得到了提高、同時其Tm溫度也提高了，表明其穩定性得到了顯著改善。
圖片來源：J. Am. Chem. Soc.
此外，同樣對蛋白酶TEV進行設計，不僅表達量和Tm溫度得到了改善，與親本序列和已報道的TEV突變體相比其催化活性也得到了改進。總之，這種方法對改善生物技術上重要蛋白質的表達、穩定性和功能具有廣泛的應用前景。
圖片來源：J. Am. Chem. Soc.
原文標題：Improving Protein Expression, Stability, and Function with ProteinMPNN
原文作者：Kiera H. Sumida, Reyes Nu?n?ez-Franco, Indrek Kalvet, Samuel J. Pellock, Basile I. M. Wicky, Lukas F. Milles, Justas Dauparas, Jue Wang, Yakov Kipnis, Noel Jameson, Alex Kang, Joshmyn De La Cruz, Banumathi Sankaran, Asim K. Bera, Gonzalo Jiménez-Osés, and David Baker*
原文鏈接：https://doi.org/10.1021/jacs.3c10941
