标题：Science重磅：用AI从头设计功能性酶

近日，《科学》杂志报道了2024年诺贝尔化学奖得主David Baker教授及其团队的一项重要成果。他们利用深度学习模型PLACER和生成式模型RFdiffusion，成功设计了一系列高催化效率的丝氨酸水解酶。

丝氨酸水解酶是一类重要的生物催化剂，广泛应用于工业和医药领域。然而，从头设计这类酶一直是个难题，因为其活性位点复杂且难以预组织。

Baker团队开发的RFdiffusion工具，能从随机状态逐步生成目标蛋白质骨架。PLACER网络则评估这些设计在反应过程中的活性位点预组织情况。结合这两种工具，研究团队筛选出了多个具有潜在催化活性的设计。

实验结果表明，经过两轮设计，选出的设计具有较高的FP探针标记率和酯酶活性。第三轮设计引入了更多复杂性，筛选出的酶表现出显著的催化效率。

研究团队通过X射线晶体学验证了设计的准确性，证明设计模型与实验结构高度一致。这项研究不仅解决了丝氨酸水解酶设计的关键问题，也为其他酶的设计提供了新工具和方法，有望推动生物催化、医药和工业应用的发展。

这项成果展示了AI在酶设计中的巨大潜力，为医学、生物技术和更广泛的科学研究开辟了新途径。