|
纵观全世界，自2016年开始，陶氏并购杜邦，拜耳收购孟山都，中国化工收购先正达，世界种业新一轮并购已经完成。这不仅是市场份额的聚集，更是种业与农化领域的深度融合，是对生物技术、信息技术、智能技术的集成。全球种业正迎来以基因编辑、人工智能等技术融合发展为标志的新一轮科技革命，种业强国已进入“常规育种＋生物技术＋信息技术＋人工智能”的育种4.0时代。  那么，育种4.0时代的设计育种如何实现呢？前段时间，中国科学院遗传与发育生物学研究所李家洋团队为突破IPA1多效性造成的穗部和分蘖的制约关系，研究人员通过多靶点CRISPR/Cas9对IPA1的顺式调控区进行系统性高覆盖度的片段删除，创制出大量IPA1顺式调控区平铺删除的基因编辑材料，并从中发掘出一个可以同时提高分蘖数和穗粒数的编辑材料IPA1-Pro10及其对应的54bp关键顺式作用元件。使其分别调控其在幼穗、茎基部等各组织中的表达水平，实现不同表型的特异性调控。这种结合基因编辑技术，人为的改造基因的调控方式，最终实现育种上所期望的效果，就是设计育种。 近日，科研论文“Scaffolding protein functional sites using deep learning”，阐述了如何结合人工智能、蛋白数据库等设计特定的蛋白结构，从而实现 “预定”功能。 
蛋白质设计已经具有折叠成理想构象的序列，但设计功能性蛋白质仍然具有挑战性。Wang等人描述了两种深度学习方法来设计包含预先指定功能位点的蛋白质。他们发现了可以折叠成包含功能位点的稳定结构的序列。随后他们重新训练了一个结构预测网络，以恢复只给定功能位点的蛋白质的序列和完整结构。作者通过设计含有多种功能基序的蛋白质来展示他们的方法。 在本研究中，作者使用一种理想的功能性从头蛋白设计方法:(i)将功能位点嵌入设计的支架蛋白中，使其变形最小;(ii)适用于任意位点的几何形状，搜索所有可能的支架拓扑结构和次级结构组合，以寻找最适合容纳指定位点的结构组合;(iii)共同产生骨架结构和氨基酸序列。作者之前证明了trRosetta结构预测神经网络可以通过最大化序列在蒙特卡洛序列空间中折叠到某些(未指定)3D结构的trRosetta输出概率来生成新的蛋白质。作者把这个过程称为“Hallucination（幻觉）”，因为它产生的溶液网络认为是理想蛋白质，但不符合任何已知的天然蛋白质，晶体和核磁共振结构证实了幻觉序列能够折叠成理想结构。trRosetta还可以用于设计折叠成目标主干结构的序列，方法是使用结构再现丢失函数进行序列优化，以获得预测结构与目标结构的相似性。考虑到这种设计顺序和结构的能力，作者推断trRosetta可以适应解决功能位点脚手架问题。
为了将现有的基于trRosetta的设计方法扩展到支架功能位点(图1A)，作者使用综合的缺失函数优化氨基酸序列，使其折叠到包含所需功能位点的结构中，综合缺失函数结合了先前使用的Hallucination和序列重建缺失。虽然作者成功地生成了相似功能位点片段的结构，但Rosetta结构预测表明，这些序列对结构的编码很差，因此作者使用Rosetta设计计算来生成更优的序列。几种针对程序性约束Hallucination产生的程序性细胞死亡配体1 (PD-L1)的设计与来自程序性细胞死亡蛋白1 (PD-1)的结合基序(结合基序)，以及罗塞塔设计，发现其结合亲和力在中纳米摩尔范围内。虽然获得了这一令人兴奋的结果，但使用Rosetta设计序列的要求与共同设计序列和结构的目的不一致。 
随后作者介绍了，通过缺失信息恢复的广义功能序列支架；设计免疫原候选物和受体陷阱；设计金属元素协同蛋白质；基于生物信息学酶活性位点的设计；设计蛋白绑定蛋白。     该文章展示的几种支架功能位点的方法不需要输入除预期功能场地的结构和顺序之外的其他信息，并且与以前的方法不同，不需要指定脚手架的次级结构或拓扑结构，可以同时生成顺序和结构。作者的修复方法能够从给定的功能位点扩展到产生连贯的序列-结构对，由于其速度和通用性，在蛋白质设计中得到广泛应用。随着更精确的蛋白质结构、界面和小分子结合预测网络的开发，这两种单独的方法以及两者的结合应该会有更强的预测和设计能力。 上述两个案例，从基因水平和蛋白水平展示了育种4.0的巨大潜力。尽管第二个案例并没有直接提及通过改造或者设计订制特定结构的蛋白，运用于育种，但是将来在这方面的研发、运用是显而易见的，也将是未来的趋势。事实上，不仅仅只是育种，在医学、生物学、药学等等领域，通过人工设计特定蛋白来实现相应的功能，都具有巨大的开发潜力。 |
|
|
