化学、生物与自动化实验室
突破级
有讲解视频
收录解读
这篇论文聚焦蛋白工程里一个很核心但长期代价高的问题：如何系统地偏置蛋白的构象状态，从而改变其功能输出。很多蛋白功能并不只由静态结构决定，而取决于开放态、闭合态或中间态之间的构象分布。传统做法往往需要高成本的结构分析、分子动力学或大量实验筛选。
作者提出 conformation biasing（CB）方法，利用逆折叠模型的对比打分，直接寻找更偏向目标构象状态的突变体。论文在多个不同系统上验证了这一思路，包括 K-Ras、SARS-CoV-2 spike、β2 adrenergic receptor、Src kinase 和 LplA 等，并展示了偏置构象后可以带来更强结合、更高活性或更强选择性。这个框架的关键价值在于：它把“设计蛋白动力学”变成一个相对快速、统一、可复用的计算问题。
这项工作值得收录，因为它不是一般的单蛋白成功案例，而是给出了一种面向蛋白构象动力学的计算设计范式。对仓库来说，它落在 AI x biology / protein design 的核心地带，外溢价值高于普通蛋白设计论文：真正可复用的对象不是某个具体蛋白，而是如何借助现代模型去操控构象分布与功能关系。
它还不到更高一级，原因是当前方法虽然跨多个系统验证，但仍主要表现为一条强计算设计工作流，而不是已经重写整个蛋白设计领域的总蓝图。更准确的定位是一篇高质量、会被长期引用的蛋白动态设计方法论文。