蛋白质变构是生命体系中信息传递和能量转换的核心机制，也是合成生物学和生物传感器开发的重要基础。传统人工蛋白开关通常依赖天然配体结合结构域，并要求其在配体结合后发生明显构象变化。然而，可用天然受体数量有限，许多目标分子缺乏合适结合蛋白，限制了传感器的可编程设计和应用范围。如何像设计抗体或酶一样按需设计可响应特定分子的蛋白开关，是该领域长期面临的关键问题。
近日，澳大利亚昆士兰科技大学、美国华盛顿大学蛋白质设计研究所等机构组成的国际团队在《Nature Biotechnology》发表题为“Artificial allosteric protein switches with machine-learning-designed receptors”的研究论文。研究认为机器学习设计的小型配体结合蛋白即使不发生全局构象变化，也可作为人工变构蛋白开关的高效受体，为按需构建生物传感器提供新思路。
研究团队将机器学习设计的皮质醇和17α-羟孕酮（17-OHP）结合蛋白进行环状置换，并插入TEM-1 β-内酰胺酶，构建单组分嵌合蛋白传感器。结果显示，最佳皮质醇传感器动态范围接近400倍，17-OHP传感器具有较高配体亲和力。该策略还被扩展至肽类和蛋白质靶标，研究共获得47种可被不同配体激活的蛋白开关，并进一步构建出分子内YES和AND逻辑门，证明该体系具有可编程组合能力。
为验证平台通用性，团队将人工受体移植到PQQ-葡萄糖脱氢酶、NanoLuc荧光素酶以及人工设计荧光素酶LuxSit Pro等不同报告蛋白中，获得比色、发光和电化学多种读出模式。机制研究显示，配体结合并未诱导明显蛋白重折叠或全局构象改变，而是降低系统构象熵，使报告结构域催化活性升高，突破了“必须依赖大幅构象变化才能实现变构调控”的传统认识。
在应用验证中，研究团队构建了受皮质醇或17-OHP控制的工程化大肠杆菌，使其仅在相应激素存在时获得β-内酰胺类抗生素抗性。团队还将17-OHP响应型PQQ-GDH蛋白固定于石墨烯碳电极表面，制备出可重复启停的生物电子传感器，其对17-OHP的表观Kd约为34 nM，检测限低于0.5 nM。
该研究的核心突破在于将机器学习蛋白设计与人工变构工程真正连接起来。它首次系统证明机器学习设计的小型配体结合蛋白即使没有传统意义上的大幅构象变化，也可以作为人工变构蛋白开关的受体，驱动单组分变构蛋白开关形成多模式生物传感器。该策略有望加速激素、小分子、肽和蛋白标志物检测工具开发，并为体外诊断、连续监测和工程细胞实时信号处理提供新平台。不过，部分传感器仍存在亲和力下降、响应时间差异和性能参数难以同时优化等问题，未来仍需结合定向进化和机器学习进一步提升灵敏度与稳定性。
论文链接：https://doi.org/10.1038/s41587-026-03081-9
注：此研究成果摘自《Nature Biotechnology》杂志，文章内容并不代表本网站的观点和立场，仅供参考。
