Исследователи из Института фармацевтических исследований Саарланда в Германии с помощью ИИ создали новые белковые домены для бактериальных ферментов, которые собирают молекулы по принципу конвейера. В опытах на клетках кишечной палочки два варианта повысили выход полноразмерной ферментной системы до 2,57 раза по сравнению с природным белком. Однако результат зависел от соседних участков фермента и положения нового домена в его структуре. Статья опубликована 22 сентября 2026 года в журнале Nature Communications.

Белковый «переносчик» должен подходить к соседним участкам

Работа посвящена нерибосомным пептидсинтетазам, или NRPS. Это крупные ферментные комплексы, которые собирают природные вещества, включая соединения, ставшие основой некоторых антибиотиков и противоопухолевых препаратов. Тиоляционный домен, или T-домен, переносит промежуточную молекулу между участками этой сборочной линии.

Команда под руководством Кенана Бозхьююка использовала модели ESM3, ProteinMPNN и EvoDiff и создала 76 новых T-доменов. При генерации учитывали последовательности соседних A- и C-доменов, а в некоторых случаях и их структуру. Затем исследователи собрали и проверили в клетках 578 вариантов NRPS.

T-домен не просто передаёт молекулу от одного участка к другому. Во время работы он по очереди взаимодействует с разными соседними доменами. Поэтому белок, подходящий для одного места сборочной линии, может не сработать в другом.

Представим конвейер, где переносчик сначала передаёт деталь одному рабочему, а затем подаёт её следующему. Для замены такого переносчика недостаточно, чтобы он просто помещался на линии: ему нужно правильно взаимодействовать с обоими соседями. Это условная аналогия, а не описание отдельного опыта.

В полноразмерной системе два разработанных варианта дали 257% и 144% от выхода природного контроля. Лучший из них произвёл 7,4 мг продукта на литр культуры, то есть в 2,57 раза больше контрольного уровня. В отдельном минимальном тесте вариант 123, полученный после мутагенеза одного из разработанных белковых каркасов, достиг 285% контроля. Эти результаты относятся к разным системам, поэтому их нельзя объединять в одну оценку прироста.

Проверки показали, что совместимость зависела, в частности, от ближайшего следующего C-домена и положения T-домена в сборочной линии. Компьютерные симуляции выявили различия в контактах между доменами на разных стадиях работы фермента. Авторы считают эти наблюдения основой для дальнейших гипотез, но не доказательством того, что именно такие контакты вызывают рост активности.

Условия выращивания бактерий тоже влияли на абсолютный выход, а иногда и на разницу между вариантами. В гибридных системах исследователи сравнивали площади пиков масс-спектрометрии, используя их как относительную оценку количества одного и того же продукта. Абсолютное количество вещества этим методом не измеряли. Растворимость и термостабильность подробно изучили только для одного представительного варианта, а не для всех созданных доменов.

Результаты показывают, что генеративный ИИ может помочь подбирать белковые детали для определённого окружения в бактериальной ферментной системе. Исследование не демонстрирует производство готового лекарства и не проверяет такие системы для клинического применения. Для тех, кто работает с научными публикациями, доступна услуга подготовки научных статей.

Схема показывает перенос промежуточной молекулы T-доменом и зависимость его работы от соседних доменов; это объяснение устройства системы, а не экспериментальные данные.

Фото: Edward Jenner / Pexels