《Biomimetics》:Embrace Disorder as a Function: Bio-Informed Biomaterials Design Advanced by Intrinsically Disordered Proteins
编辑推荐:
摘要
在数十年的生物模拟生物材料设计中,“锁钥”分子识别模型以经典的序列–结构–功能范式为基础,并取得了成功。这一经典概念将分子功能与识别特定互补表面的稳定三维结构相关联。然而,生物系统通常通过从未采用单一稳定折叠的蛋白质结构域来实现特异性、适应性和多功能
摘要
在数十年的生物模拟生物材料设计中,“锁钥”分子识别模型以经典的序列–结构–功能范式为基础,并取得了成功。这一经典概念将分子功能与识别特定互补表面的稳定三维结构相关联。然而,生物系统通常通过从未采用单一稳定折叠的蛋白质结构域来实现特异性、适应性和多功能性。内在无序蛋白质(Intrinsically Disordered Proteins, IDPs)和内在无序区域(Intrinsically Disordered Regions, IDRs)代表了一种未被充分利用的功能库,其中构象可塑性、短线性基序和相分离能力支撑着刚性折叠蛋白质无法复制的行为。本展望文章(Perspective Article)将分子仿生设计框架扩展到更广泛的IDPs/IDRs角色——作为触发下游信号传导的效应器,作为与外部伙伴相互作用的运动导向元件,以及作为组织动态复合物并在很大程度上避免结构化蛋白质所带来的空间位阻的分子组装器。与结构化蛋白质相比,无序结构域中更大的序列可塑性进一步扩展了这种多功能性。变形蛋白质(metamorphic proteins)和兼职蛋白质(moonlighting proteins)通过在同一单链内编码多种折叠或功能,进一步拓展了序列到功能的图谱。研究人员讨论了这一生物信息框架如何通过利用IDPs的动态、多价相互作用来指导基于肽的生物材料设计。本文还提供了人工智能(Artificial Intelligence, AI)引导的方法和机器学习策略——从监督分类器到强化学习循环——与实验反馈相结合,以在内在无序生物信息材料系统的高维设计景观中进行导航。下一代生物信息材料设计必须应对由临床、环境和工业需求驱动的挑战。在生物信息材料设计中扩展蛋白质基质,可以模拟自然界中发现的复杂、动态和分级的生物功能及材料。拥抱无序甚至可能扩展功能,超越当前挑战的解决。超越主导仿生领域的单一结构范式,拥抱生物蛋白质库中的无序,可能会在生物信息生物材料中催生新功能。这些功能真正具有适应性、模块化、资源节约性、响应性和可持续性。
**论文解读:以无序为功能——内在无序蛋白质驱动的生物信息生物材料设计**
**1. 研究背景与问题提出**
天然生物材料通过分层组织结构、自适应力学响应和自我修复等特性,实现了合成材料难以企及的性能组合。在分子层面,这些特性主要来源于蛋白质,它们构成生物矿化、黏附、信号传导、抗菌防御、自组装、调控开关、进化适应等多价相互作用的基石。20世纪大部分时间里,蛋白质功能的概念基础建立在“序列决定结构、结构决定功能”的互补性支柱上。Anfinsen对核糖核酸酶A的研究提出了热力学假说,认为蛋白质天然三维结构对应全局自由能最小,单序列对应单一折叠和单一功能。这一范式极大推动了基于生物分子的材料理性设计,但无法解释真核生物蛋白质组中大量存在的无序现象。内在无序蛋白质和内在无序区域的发现,使研究人员认识到无序是高度进化的特征,赋予蛋白质多价性并产生类开关的超灵敏响应。据估计,30–40%的真核蛋白质含有延伸无序区域,其中相当一部分在生理条件下完全没有稳定折叠。需要将IDPs/IDRs纳入功能材料设计,以模拟自然界的动态适应功能,这是分子仿生学的下一个前沿。
**2. 研究人员开展的研究及核心结论**
本展望文章提出了一个统一框架,将蛋白质功能从刚性折叠到完全无序的连续谱系组织为层级金字塔,包含三个层级:基础层为经典折叠蛋白,中间层为变形蛋白和兼职蛋白,顶点为IDPs/IDRs。该框架不是严格的分类系统,而是用于指导针对不同功能需求选择合适设计策略的概念框架。研究人员认为,无序作为一种“元自适应”解决方案,使生物系统能够在无需预知具体挑战的情况下,对各种环境需求作出稳健而灵活的反应。这恰恰是用于复杂、可变、生命环境材料最需要的特性。文章还展示了源自IDPs/IDRs的模块化基序在牙釉质、牙本质、骨、肌腱等组织生物材料设计中的应用实例,并评估了AI和机器学习(ML)策略在探索这些高维设计空间中的作用。研究意义在于将无序纳入生物材料设计,可实现真正的适应性、模块化、响应性和可持续性功能,超越当前仿生材料的局限。
**3. 主要关键技术方法**
研究人员综合运用了多种方法:基于序列的蛋白质无序预测工具(如PONDR、IUPred、ESpritz等),利用NMR、CD、SAXS、Cryo-EM等生物物理技术表征IDPs/IDRs构象动态;通过短线性基序(SLiMs)工程化多价肽模块,设计“贴纸–间隔物”(sticker-spacer)架构;采用AI/ML策略,包括监督分类器、变分自编码器、生成对抗网络和强化学习,并结合实验反馈迭代优化候选序列。此外,还分析了牙釉质、牙本质、骨和牙周膜等组织的蛋白质实例,但未涉及具体患者队列。这些方法共同支撑了从生物分子原理到工程材料系统的转化。
**4. 研究结果**
* **统一功能蛋白质库框架**:通过金字塔模型,将蛋白质功能从刚性折叠到完全无序进行分层。基础层为经典折叠蛋白,尽管对环境敏感,但在受控条件下仍具高特异性活性。中间层包含兼职蛋白(如磷酸葡萄糖异构酶,既能催化糖酵解又能在胞外作为神经白细胞介素发挥作用)和变形蛋白(如XCL1,在离子强度和温度调控下在不同的稳定折叠间转换)。顶点层为IDPs/IDRs,它们以动态构象集合形式存在,通过SLiMs和相分离实现功能。
* **IDRs/IDPs启发的材料设计蓝图**:文章展示了多个IDRs衍生基序在生物矿化和细胞黏附中的作用,例如牙本质磷蛋白(DPP)、骨唾液蛋白(BSP)、骨桥蛋白(OPN)等。这些无序结构域可作为生物矿化、原纤维生成和炎症调节的功能引擎。基于SLiMs的模块化设计,可将矿质成核、胶原结合、抗菌和细胞黏附等不同功能模块组合成嵌合肽。以釉原蛋白(amelogenin)为例,其无序C末端和N末端结构域介导自组装和矿物表面相互作用,衍生肽已表现出在体外和动物模型中启动脱矿牙釉质表面定向羟基磷灰石生长的能力。
* **AI/ML策略开发**:文章评述了从基于物理化学倾向的早期预测器(如CH-plot)到基于蛋白语言模型(如ESM-2)的新一代方法。AlphaFold2虽然对折叠蛋白预测成功,但难以预测IDRs/IDPs的动态构象集合;AlphaFold3和AlphaFold-Multimer已有改进。针对无序肽设计,ML方法需根据数据质量选择策略:有监督分类器适合有清晰活性标注的数据;半监督/无监督方法(变分自编码器、生成对抗网络)用于稀疏数据;强化学习适用于缺乏高质量标注数据的新型肽骨架探索。文章强调“灰箱”和“白箱”模型对于可解释性的重要性,并指出未来ML框架需编码从分子序列到材料介观结构再到系统生物学环境的多层级背景信息。
**5. 讨论与结论**
文章讨论部分指出,传统刚性互补模型无法适应动态环境,而IDPs/IDRs的灵活性和多价性为设计环境响应材料提供了新思路。临床、环境和工业需求驱动着下一代材料设计,需要在跨学科合作中发展共享概念词汇。结论部分指出,从刚性折叠到无序包容的转变是对生物功能编码方式的基础性重构。关键设计原则包括:利用SLiMs实现组合多功能性;工程化“贴纸–间隔物”架构以调节结合价数和相行为;设计刺激响应型构象开关以响应生理信号。AI/ML策略提供导航高维稀疏设计空间的计算工具,而可解释的“白箱”模型将确保预测的机理连贯性和实验可操作性。展望未来,生物学、材料科学和AI/ML的融合将使无序原理成为生物材料及其他技术材料最富前景的边界之一——自然界最具适应性的材料并非建立在刚性完美之上,而是源于有序的无序原则。