Cell前沿观点 | 展望未来十年的蛋白质结构研究

2022-11-26 14:44:28, 望夜

编译 | 望夜

近年来蛋白质结构研究领域经历剧烈的技术迭代，近期因为AlphaFold的问世，结构生物学引发了更多的关注与热议，不久前Cell杂志特邀多位该领域的优秀科学家探讨领域内关键问题及新技术在解析结构和提高人类健康福祉中的作用。BioArt对此次讨论进行编译，供关心蛋白质结构生物学的读者参考。

非变性质谱的其它应用

（自左向右：Corinne A. Lutomski、Tarick J. El-Baba、Carol V. Robinson）

牛津大学的Corinne A. Lutomski、Tarick J. El-Baba、Carol V. Robinson认为：正如结构生物学家一直致力于解析蛋白质复合物在接近其胞内环境中的结构，质谱科学家也试图获取自然状态下的质谱数据，如破译受体如何在天然膜中进行信号传递，或者定义动脉粥样硬化颗粒中脂蛋白的组成，即从异质化背景中定义分子组成的能力。未来还可以做什么？破译细胞中（蛋白、脂质、代谢物之间）各种相互作用的集合如何驱动生物学过程。为此，必须能够在同一次试验中获取蛋白序列并鉴定出结合于原有复合体中的小分子，这应当是质谱领域下一个十年可以实现的目标。非变性质谱将改变研究者使用分子组成的方式，他们的目标是揭示快感缺乏性抑郁症的新诊断方法，从而依据患者的个体生物学特征进行针对性治疗。

结构生物学将定义新的细胞生物学

（Roland Riek）

苏黎世联邦理工学院的Roland Riek认为：正如数字地理信息系统可以提供带有时间分辨的全球空间信息，下个十年结构生物学也将做到对一个细胞内部进行时空解析，这里的时间跨度可以从皮秒到秒之上，同时考虑胞内环境的变化。解析液滴内部生物大分子（如蛋白、RNA）的相互作用，或者解析一个蛋白内部原子间的通信以阐明蛋白质调节、信号传递及活性中涉及的相关运动和变构，或者研究局部环境的影响，如蛋白质淀粉样沉淀的多态性，需要对蛋白折叠的Anfinsen定理进行扩展。

实现上述设想需要核磁共振（NMR）这一关键技术，因为NMR是唯一一种可以在原子分辨率水平对天然溶液环境中的系统进行研究的结构生物技术。自动化结构处理、在GHz光谱范围内的短测量、通过偏振技术对信号进行1-2个数量级的增强，将可在体外获得生物分子多维度信号、结构和动态信息；药物研究中配体-蛋白复合物的构效关系研究、使用内嵌核磁共振对细胞进行等效的时间和亚区室分辨率的研究，都将在一天之内完成。NMR结合冷冻电镜和断层成像技术，将使结构生物学转变为新的细胞生物学。

淀粉样沉淀的冷冻电镜结构

（Sjors H.W. Scheres）

英国MRC分子生物学实验室的Sjors H.W. Scheres认为：人类基因组编码蛋白中已知不足50种蛋白可组装成淀粉样纤维。某种特定蛋白的淀粉样沉淀形成往往导致不只一种疾病。近期的两项突破性技术（直接电子探测器和统计图像处理软件）使得自动化冷冻电镜结构解析成为现实。自2017年，Scheres组开始解析一位阿尔兹海默症患者脑部tau纤维的冷冻电镜结构起，冷冻电镜已经解析出tau、β-淀粉样沉淀、α-突触核蛋白、TDP-43、转甲状腺素蛋白、抗体轻链的淀粉样结构，并获得上述蛋白在一种或多种疾病及体外的纤维结构。不同的淀粉样结构可导致不同的疾病，而体外重组蛋白的组装有时无法真实反映疾病中的淀粉样结构。但哪些因子导致不同疾病的结构形成？及这些结构在疾病中扮演何种角色？目前仍不清楚。要回答这些问题，需要在未来十年中开发出更能模拟疾病中淀粉样结构的模型系统。由于目前只有冷冻电镜有能力区分不同的淀粉样结构，其仍将在淀粉样沉淀类疾病研究中发挥关键作用。

下一个惊喜是什么？AlphaDynamics？

普林斯顿大学的颜宁教授（现任深圳医学科学院创始院长）认为：作为结构生物学家，最有启发的时刻是看到缬氨酸和异亮氨酸间仅一个甲基的差异却能彻底改变两种同源蛋白结合同一配体的方式，其机制仅能通过原子结构解释。她的研究理想是拍摄高时空分辨率下胞内世界的电影。在过去的20年间，只能通过拍摄3D照片研究特定蛋白在某些固定角度的原子结构，更像是个摄影师。有时可以获得不同构象的蛋白结构，更像是一部电影中几帧分隔的画面。借助图像变形或分子动力学模拟等计算方法的辅助，可以获得这些分子不准确的运动影像。但对细胞和生理学过程十分重要的动力学（dynamics & kinetics）关键信息仍然缺失。

现有用于获取高分辨率动态的成像和光谱方法，如单分子荧光共振能量转移（smFRET）和双电子-电子共振（DEER），受限于实验和数据分析而难以被普通研究者使用。随着冷冻电镜、冷冻电子断层成像和结构预测技术的迅速发展，或许很快可以实现原位结构生物学的下一次分辨率革命。但能够预测和模拟真实分子运动的方法开发可能需要几代人的努力。

始于折叠，去往何方？

哥伦比亚大学的Mohammed AlQuraishi认为：过去4年中蛋白质结构预测的进展超乎想象，主要得益于深度学习技术的发展。DeepMind的AlphaFold2已成功预测数以百万计的人源和其他物种结构，准确性直逼实验结构，且更多物种的结构正在被预测。照此速度推测，在未来几年内，蛋白质复合体和分子机器的结构也将能够精确预测，随后可能就是构象组合体和蛋白质动力学。然后问题来了，当我们对大部分蛋白质的形状和运动已有系统性认识后，接下来做什么？AlQuraishi希望是一种新型的系统生物学，自下而上地，以分子和机制为基础。这种崭新的结构系统生物学将是原则性的和涌现性的，从分析潜在分子相互作用出发解释现有现象并推测潜在的新现象。如何能够实现呢？模拟将会成为关键，正如我们一直在系统生物学中所见的。但在从分子机器到细胞器和细胞亚结构各层面上，新的抽象、新的粗粒度、聚集及推理介观尺度的新方法也都将如此。这种抽象可能需要将机器学习与生物物理学结合起来，既保留物理建模的某些严谨性，又利用机器学习获得的分子表征的丰富性。一旦成功，这种系统生物学将促进我们更及时地将数据转化为知识，这正是现代生命科学所面临的挑战。

（Mohammed AlQuraishi）

在细胞冷冻断层重构中对大分子集群进行可视化

（Lu Gan）

新加坡国立大学的Lu Gan认为：在原位绘制细胞及其大分子组分的3D生命样组织形式，达到纳米甚至更高分辨率一直是细胞生物学的目标。其关键技术就是冷冻电子断层重构。冷冻断层扫描图像可展示生物大分子在其天然环境中的美和整体复杂性。结构细胞生物学家目前面临两项挑战：实验的通量及对稀少且未知复合物的鉴定。上述问题一旦解决，所有细胞生物学家都将受益。比如，染色体科学家将更容易获悉细胞如何控制染色质结构，无论通过对翻译后修饰的直接调节还是通过重塑子、聚合酶或DNA修复机器的作用。含量丰富且构象一致的生物大分子复合体的分辨率将突破4Å，从而允许在原位研究其机制。临床诊断也将更加精准，因为胞内的冷冻断层成像将提供极其丰富的信息。Gan最期待的是该技术可带来亚细胞尺度的新发现，出现许多写入教科书的全新胞内结构。未来，越来越多的原位结构将获得解析，更能反映大分子复合体在真实环境中的结构形式。

就让我们带着这些期待，走进蛋白质结构研究的下一个十年吧。

原文链接：

https://www.cell.com/cell/fulltext/S0092-8674(22)00716-4

制版人：十一