天然蛋白质的功能是高度优化的，但由于在异源系统中表达差、溶解度有限和对温度的敏感性，通常难以以适合生物技术应用的规模化生产。有鉴于此，University of Washington的David Baker课题组开发了一种在保持功能的同时改善天然蛋白质物理性质的通用方法，该方法基于深度神经网络ProteinMPNN，以及结合进化和结构信息，为增加蛋白质表达、稳定性和功能提供了一条途径。这种方法可能对基于蛋白质的技术具有广泛的实用性。
图片来源：J. Am. Chem. Soc.
将该方法用于肌红蛋白Mb的分子改造，通过设计后获得的突变体其表达量得到了提高、同时其Tm温度也提高了，表明其稳定性得到了显著改善。
图片来源：J. Am. Chem. Soc.
此外，同样对蛋白酶TEV进行设计，不仅表达量和Tm温度得到了改善，与亲本序列和已报道的TEV突变体相比其催化活性也得到了改进。总之，这种方法对改善生物技术上重要蛋白质的表达、稳定性和功能具有广泛的应用前景。
图片来源：J. Am. Chem. Soc.
原文标题：Improving Protein Expression, Stability, and Function with ProteinMPNN
原文作者：Kiera H. Sumida, Reyes Núñez-Franco, Indrek Kalvet, Samuel J. Pellock, Basile I. M. Wicky, Lukas F. Milles, Justas Dauparas, Jue Wang, Yakov Kipnis, Noel Jameson, Alex Kang, Joshmyn De La Cruz, Banumathi Sankaran, Asim K. Bera, Gonzalo Jiménez-Osés, and David Baker*
原文链接：https://doi.org/10.1021/jacs.3c10941
