Ученые создали метод для дизайна белков, способных связывать и детектировать широкий спектр малых молекул

Малые молекулы, от гормонов роста до противораковых препаратов, играют ключевую роль для здоровья. Мониторинг их концентраций важен для расчета дозировок лекарств и домашнего контроля за состоянием пациентов.

Однако существующие сенсоры, используемые в основном в исследованиях, могут детектировать лишь ограниченный набор молекул. Существует острая потребность в сенсорах для малых молекул разной формы, размера, гибкости и полярности.

Команда ученых под руководством нобелевского лауреата Дэвида Бейкера из Университета Вашингтона с помощью искусственного интеллекта (ИИ) создала вычислительный метод для генерации белков, которые эффективно связывают и сигнализируют о присутствии широкого спектра малых молекул. Бейкер получил Нобелевскую премию по химии 2024 года за вычислительный дизайн белков.

Исследование, опубликованное в Science, частично проводилось на источнике продвинутых фотонов (Advanced Photon Source, APS) — пользовательском объекте Управления науки Министерства энергетики США (DOE) в Аргоннской национальной лаборатории.

Проблема дизайна сенсора

Создать белковый сенсор для малых молекул сложно: белок должен сначала связать молекулу, а затем подать сигнал о ее присутствии.

Команда решила обе проблемы с помощью модульного дизайна. Их сгенерированные ИИ белки состоят из идентичных повторяющихся субъединиц, окружающих центральную полость с карманом для связывания малой молекулы.

Модульность субъединиц позволяет легко разбирать конструкцию. Таким образом, белки, связывающие малые молекулы, можно, подобно кубикам Lego, соединять с известными сигнальными белками (например, с разделенным зеленым флуоресцентным белком, GFP), чтобы создать полноценное сенсорное устройство.

Когда малая молекула связывается в кармане, субъединицы собираются заново, что заставляет сигнальный модуль посылать сигнал о присутствии молекулы.

Первый шаг: Связывание

Команда выбрала разнообразный спектр лигандов (молекул, связывающихся с белковыми рецепторами):

Ученые создали алгоритм машинного обучения на основе AlphaFold2 (предсказателя структуры белков, чьи разработчики Джон Джампер и Демис Хассабис разделили Нобелевскую премию с Бейкером) и других алгоритмов для дизайна белков. Алгоритм сгенерировал тысячи белков для связывания с малыми молекулами.

После вычислительного дизайна команда протестировала белки в лаборатории, выявив связывающие варианты для конкретных лигандов.

Для подтверждения точности подхода команда Бейкера обратилась к APS. Используя сверхъяркие рентгеновские лучи на лучевых линиях Северо-Восточной коллаборации (NE-CAT, 24-ID), они определили атомную структуру кристаллов одного из созданных белков.

«Алгоритмы предсказания — отличные инструменты, но без проверки структур нет доказательств, что предсказания соответствуют реальности. Рентгеновская кристаллография остается одним из лучших способов сделать такое подтверждение», — сказала Кей Перри из Корнеллского университета, научный сотрудник NE-CAT.

Второй шаг: Сигнализация

Следующей задачей было превратить связывающие белки в сигнальные. Ученые использовали их модульность для создания двух разных типов сигнальных событий.

  1. Лиганд-индуцированная димеризация: Команда создала из связывающих белков конструкции, которые димеризуются (объединяются в пары) в присутствии лиганда. По словам первого автора исследования Линны Ан, эту технологию можно использовать во многих медицинских приложениях, например, для регулирования высвобождения лекарств при терапии рака.
  2. Сигнализация с помощью нанопоры: Ученые сконструировали гибридный белок, соединив связывающий модуль с новым дизайнерским белком-нанопорой (каналом для потока ионов). Конструкция была такова, что когда малая молекула блокировала связывающий карман, вся нанопора блокировалась, предотвращая поток ионов и вызывая потерю тока. Потеря тока и сигнализировала о присутствии малой молекулы.

Значение и перспективы

Коммерчески доступные тесты для обнаружения трех из четырех целевых молекул этого исследования (холевой кислоты, метотрексата и тироксина) не могут надежно различать отдельные молекулы от их вариантов или связанные формы от свободных.

Создание более специфичных связывающих белков с высокой аффинностью позволит проводить быстрые домашние тесты на заболевания печени, некоторые виды рака и состояния щитовидной железы.

В приложениях за пределами биомедицины часть команды Бейкера разрабатывает белки для детектирования микропластика и экологических токсинов.

Дух воображения и творчества, породивший идею инженерии белков, которых раньше не существовало, может привести к открытию новых сенсорных решений.