图1 可控蛋白质序列设计概念全景与关键流程

可控蛋白质序列设计：AI如何让蛋白序列「按需生成」？

蛋白是生命的「分子机器」，其功能由氨基酸序列决定。传统上，我们靠天然发现或定向进化「找」到合适序列；可控蛋白质序列设计则把主动权交给算法——给定一个目标，让AI在巨量序列空间里「设计」出满足条件的全新序列。这并非科幻，而是正在工业界落地的蛋白工程新范式。

背景与机制：为什么蛋白序列需要「可控」设计？

天然蛋白的序列由进化决定，活性、稳定性、溶解度等属性往往相互妥协；可控蛋白质序列设计把「找序列」变成「设计序列」，让研究人员按目标函数直接调控蛋白性质。

· 瓶颈：天然筛选与定向进化靠「突变+筛选」，周期以月到年计，且容易陷入局部最优。

· 难点：序列是「一维字符串」，功能却取决于三维折叠；序列-结构-功能映射复杂，单点突变常「牵一发而动全身」。

· 权衡：要活性更高、更耐热、更易溶、特异性更好，这些目标常常此消彼长。

· 可控设计：把需求写成约束或目标，用AI在巨大序列空间里定向搜索，而不是盲目突变。

序列空间的规模令人咋舌：一个100残基的蛋白，理论上可组合出20的100次方种序列，远超任何实验能覆盖的范围。正因如此，靠随机突变「大海捞针」效率极低，而可控设计把计算聚焦到真正有意义的区域。

· 结合生化经验：把已有的突变、结构与功能数据作为先验，能显著提升设计成功率。

类比：正如大模型能按主题与风格约束写出一段通顺文字，蛋白设计模型也能按结构或性质约束生成一条合理序列。

从这个角度看，可控蛋白质序列设计的本质，是把「进化」加速，并把「设计意图」前置到算法里。

原理与结构：可控蛋白质序列设计如何工作？

可控蛋白质序列设计的核心是「生成模型+条件控制」：模型先学习大量真实蛋白的序列与结构规律，再以结构模板、性质目标或进化信号为条件，解码出满足约束的全新序列。

· 生成模型：如基于Transformer、图神经网络或扩散模型的蛋白语言/折叠模型，学习「序列-结构」联合分布。

条件控制的三条路径：

· ①结构条件：给定主链骨架（backbone），设计能折叠成该结构的序列（逆向折叠inverse folding）。

· ②性质条件：以活性、稳定性、溶解度等目标作为引导（guidance / reward），让生成朝高适应度方向偏移。

· ③进化条件：以多重序列比对（MSA）或同源序列建模保守位点与残基协变，保留自然进化信息。

· 适应度景观（fitness landscape）：把蛋白性质映射成「山丘与山谷」，模型在景观中寻找更高「山峰」。

· 能力边界：生成≠一定正确；模型对「没见过的」蛋白家族泛化性有限，必须用实验验证。

生成模型的输出并非「零到一」的凭空创造：它既可从已有蛋白结构出发做「逆向折叠」，也可在多序列同源信息上做「条件采样」。二者的差别在于约束的强弱——结构约束越强，生成越聚焦；性质目标越多，越需要多目标权衡。

· 主动学习（active learning）：每轮实验数据回流，标记哪些序列更接近目标，让模型把下一轮生成集中在高信息量区域，减少无效尝试。

图2 条件控制如何引导模型生成目标序列

测定与选型：如何评价一段设计出来的序列？

一段设计序列是否可用，要拿「可预测+可实测」两把尺子衡量：先用计算评分粗筛（结构可行性、能量、物化性质），再通过湿实验测定活性、稳定性、表达与特异性等关键指标。

· 计算指标（in silico，预测）：结构置信度（如pLDDT）、Rosetta能量/ΔΔG、溶解度与聚集倾向评分、可开发性。

· 实测指标（wet，实测）：表达量、可溶性、热稳定性（Tm）、活性/催化效率、结合亲和力（KD）、特异性。

务必区分【预测】与【实测】：计算评分只是「筛选候选项」，只有湿实验数据才能对结果下结论。

· 按用途选型：工业酶催化偏重活性/稳定性；抗体偏重亲和力/可开发性；工业用蛋白偏重耐受与可生产性。

更完整的评价常按「漏斗」进行：先计算粗筛，再做高表达/可溶性初筛，随后功能测定，最后稳定性与可开发性验证；越靠后的测试成本越高、信息越关键，值得把预算优先放在这里。

· 数据透明：记录【预测】与【实测】的偏差，既是评估模型的手段，也是下一轮迭代的输入。

条件与工艺：从设计到拿到可验证候选物，关键参数有哪些？

从设计到可验证候选物，关键在于「干湿闭环」：设计-构建-测试-学习（DBTL）反复迭代，每一步都要有清晰的可行性与可重现参数，把计算方案与实验反馈对齐。

DBTL闭环流程：Define Target → Generate Sequences → Screen in silico → Test in wet lab → Learn →迭代。

· 候选规模：单批生成/筛选多少条序列；规模太大会浪费湿实验，太小覆盖面不足。

· 筛选阈值：哪些计算指标达标才进入湿实验，避免把预算花在低潜力序列上。

· 表达与纯化体系：宿主、载体、纯化方案要标准化，才能公平对比不同设计。

· 重复性与复现：同一设计应能重复出近似结果，否则无法判断模型是否有效。

成本与周期：把有限的湿实验聚焦到高潜候选，减少盲目试错。

· 数据回流：把湿实验实测值回填为训练/微调数据，模型才能逐步贴合真实系统。

· 质量控制：对表达、纯化、测定设置对照与重复，避免把系统误差误判为序列差异。

· 迭代轮次与预算：结合风险与周期，规划设计-验证的轮次与投入，避免无限循环。

成熟的干湿闭环通常需要多轮迭代：首轮设计先跑通「路径」，随后几轮聚焦「优化」，数据越多，模型越准。

 图3 设计-构建-测试-学习（DBTL）闭环流程

MatwingsVenus®（晓鹜®）如何参与？

MatwingsVenus®（晓鹜®）把生成式设计与实验反馈串联成干湿闭环，让可控蛋白质序列设计不只是一段算法，而是一条能落到湿实验并交付候选物的路径。

· 设计（Dry）：VenusREM单位点扫描、VenusPrime多点上位上效应建模、VenusX / VenusG功能残基与性质预测。

· 湿实验协同：推荐高潜力位点/组合供湿实验验证，实测数据回流更新模型。

· 干湿闭环平台：把计算建议与实验数据形成闭环，持续提升设计准确率。

· 适用场景：蛋白工程、酶改造、抗体设计、工业用蛋白等。

· 数据与可追溯：保留设计依据、预测分值与实验结论，便于复盘与复用。

例如，面对一个需要提升热稳定性的工业酶，平台可先基于结构做单位点与组合扫描，再用VenusX / VenusG预测稳定性与表达倾向，把「最值得做」的几十个候选交给湿实验；实测数据返回后，模型更新并进入下一轮，逐步逼近目标。

相关产品与服务：

· 湿实验：面向湿实验环节的产品与服务（链接：/zh/products/wet-lab）。

· 选型咨询：专家中心与选型咨询（链接：/zh/products/expert-center）。

· 闭环平台：干湿闭环平台（链接：/zh/dry-wet-closed-loop-platform）。

获取选型建议/提交样品/获取报价，请联系：电话13061973951，邮箱info@matwings.com。

常见问题（FAQ）

可控蛋白质序列设计和传统定向进化有什么区别？

可控蛋白质序列设计用生成式模型在约束下定向生成多候选，而定向进化靠随机突变与筛选逐步逼近，前者能更快覆盖更大序列空间。

生成出来的序列一定能在实验室里成功表达吗？

不一定。计算生成的序列可能无法折叠或表达，必须经计算粗筛与湿实验验证后才能确认可用。

可控蛋白质序列设计能提高热稳定性吗？

可以。把热稳定性作为约束或目标加入模型，通常能提高序列耐热性，但仍需实测Tm等指标确认。

这个技术适用于哪些蛋白？

适用于酶、抗体、工业用蛋白等各类蛋白，但模型泛化性受训练数据覆盖影响，陌生蛋白家族效果有限。

使用这个技术需要提供哪些输入？

通常需要目标蛋白的序列、结构（PDB / AlphaFold模型）或关键性质目标，输入越明确，设计越聚焦。

AI生成的序列会带来安全风险吗？

模型输出需经人工安全审查，避免引入毒性、病原性或监管敏感序列，这是可控设计必须遵守的边界。

如何开始使用MatwingsVenus®（晓鹜®）？

可先提交需求或样品，获取设计/筛选方案，再由平台与湿实验联合验证、迭代，形成候选交付。

总结

可控蛋白质序列设计正在把蛋白工程从「碰运气」变成「按计划设计」。它的价值不在于替代实验，而在于让每一次湿实验都花在更有可能成功的候选上。未来，随着数据与模型的持续积累，这条「设计-验证-学习」的闭环会越来越准、越来越快。