新技术找到人类蛋白质关键变构位点药物研发或可靶向“无药可及”蛋白质

　　根据6日发表在《自然》网站上的一项新研究，人类蛋白质表面的潜在治疗靶点的数量比之前认为的要多得多。西班牙巴塞罗那基因组调控中心（CRG）的研究人员开发出一项突破性新技术，揭示了许多控制蛋白质功能的秘密大门，从理论上讲，这些门可以显著改变痴呆症、癌症和传染病等各种疾病的进程。现在，他们已经绘制出这些被称为变构位点的靶点的第一张图。

　　这种发现靶点的方法可能会改变药物发现的游戏规则，从而研发更安全、更智能且更有效的药物。它使世界各地的研究实验室能够靶向任何蛋白质，包括那些以前被认为无药可及（undruggable）的蛋白质。

　　蛋白质在所有生物体中发挥着核心作用，并执行重要功能，如提供支撑结构、加速反应、充当信使或对抗疾病。它们由氨基酸组成，在三维空间中折叠成无数不同的形状。蛋白质的形状对其功能至关重要，氨基酸序列中只要有一个错误就会对人类健康造成潜在的毁灭性后果。

　　变构是蛋白质功能中一大未解之谜。当分子与蛋白质表面结合时会产生变构效应，这反过来又会导致该蛋白质远处的位置发生变化，从而通过遥控来调节其功能。许多致病突变，包括许多癌症驱动因素，都是因为其变构效应而具有病理性。

　　尽管变构位点很关键，但它们却非常难找。此次，研究人员开发了一种名为双深度PCA（ddPCA）的技术来应对这一挑战。他们将其描述为一种蛮力实验，就好比发现一辆车有问题之后，不只是检查局部，而是拆卸整辆车，并逐个检查零件。通过一次性测试一万件零件，研究人员确定了所有真正重要的部件。

　　CRG系统生物学项目协调人、该研究报告的作者本·；莱纳教授解释说：我们故意以数千种不同的方式打破事物，以建立一个事物如何运作的完整图景。

　　该方法通过改变构成蛋白质的氨基酸来发挥作用，从而产生数千种不同版本的蛋白质，而序列中只有一两个差异。然后，研究人员在实验室的活细胞中同时测试突变蛋白质的影响。

　　研究人员称，每个细胞都是一个小工厂，会生产不同版本的蛋白质。在一个试管中有数百万个不同的工厂，因此可以非常迅速地测试一种蛋白质的所有不同版本的工作情况。实验收集的数据被输入计算机神经网络进行分析，产生全面的地图，精确定位蛋白质表面的变构位置。

　　该技术有望促进蛋白质功能和进化的研究。如果扩大规模，可以从氨基酸序列中精确预测蛋白质的特性。研究人员认为，一旦成功，这将开启预测性分子生物学的新时代，使发展新药和清洁的、以生物学为基础的工业成为可能。

　　根据6日发表在《自然》网站上的一项新研究，人类蛋白质表面的潜在治疗靶点的数量比之前认为的要多得多。西班牙巴塞罗那基因组调控中心（CRG）的研究人员开发出一项突破性新技术，揭示了许多控制蛋白质功能的秘密大门，从理论上讲，这些门可以显著改变痴呆症、癌症和传染病等各种疾病的进程。现在，他们已经绘制出这些被称为变构位点的靶点的第一张图。

　　这种发现靶点的方法可能会改变药物发现的游戏规则，从而研发更安全、更智能且更有效的药物。它使世界各地的研究实验室能够靶向任何蛋白质，包括那些以前被认为无药可及（undruggable）的蛋白质。

　　蛋白质在所有生物体中发挥着核心作用，并执行重要功能，如提供支撑结构、加速反应、充当信使或对抗疾病。它们由氨基酸组成，在三维空间中折叠成无数不同的形状。蛋白质的形状对其功能至关重要，氨基酸序列中只要有一个错误就会对人类健康造成潜在的毁灭性后果。

　　变构是蛋白质功能中一大未解之谜。当分子与蛋白质表面结合时会产生变构效应，这反过来又会导致该蛋白质远处的位置发生变化，从而通过遥控来调节其功能。许多致病突变，包括许多癌症驱动因素，都是因为其变构效应而具有病理性。

　　尽管变构位点很关键，但它们却非常难找。此次，研究人员开发了一种名为双深度PCA（ddPCA）的技术来应对这一挑战。他们将其描述为一种蛮力实验，就好比发现一辆车有问题之后，不只是检查局部，而是拆卸整辆车，并逐个检查零件。通过一次性测试一万件零件，研究人员确定了所有真正重要的部件。

　　CRG系统生物学项目协调人、该研究报告的作者本·；莱纳教授解释说：我们故意以数千种不同的方式打破事物，以建立一个事物如何运作的完整图景。

　　该方法通过改变构成蛋白质的氨基酸来发挥作用，从而产生数千种不同版本的蛋白质，而序列中只有一两个差异。然后，研究人员在实验室的活细胞中同时测试突变蛋白质的影响。

　　研究人员称，每个细胞都是一个小工厂，会生产不同版本的蛋白质。在一个试管中有数百万个不同的工厂，因此可以非常迅速地测试一种蛋白质的所有不同版本的工作情况。实验收集的数据被输入计算机神经网络进行分析，产生全面的地图，精确定位蛋白质表面的变构位置。

　　该技术有望促进蛋白质功能和进化的研究。如果扩大规模，可以从氨基酸序列中精确预测蛋白质的特性。研究人员认为，一旦成功，这将开启预测性分子生物学的新时代，使发展新药和清洁的、以生物学为基础的工业成为可能。