杜克大学等团队开发肽结合剂设计算法

• 全文链接

关键词：

来源：

Nature Biotechnology

全文链接：

//agri.nais.net.cn/topic/downloadFile/eb7df843-2e15-4e5b-b418-547522064a44

来源地址：

https://www.nature.com/articles/s41587-025-02761-2

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-08-13

摘要：

2025年8月13日，来自美国杜克大学、康奈尔大学、麦克马斯特大学等多所研究机构的Pranam Chatterjee团队在《Nature Biotechnology》上发表题为《Target sequence-conditioned design of peptide binders using masked language modeling》的研究论文。该研究开发了一种名为PepMLM的基于掩码语言建模的肽结合剂设计算法，该算法通过在目标蛋白序列的C末端掩码整个肽段区域，并利用ESM-2蛋白质语言模型进行微调，实现了仅凭目标蛋白序列即可生成具有高亲和力的线性肽结合剂，无需依赖蛋白质三维结构信息。研究通过计算评估（如AlphaFold-Multimer对接和困惑度分析）和实验验证（包括ELISA结合实验和蛋白质降解实验）表明，PepMLM设计的肽能特异性结合癌症相关靶点（如NCAM1和AMHR2），并能有效降解亨廷顿病相关蛋白（如MSH3和mHTT）以及多种病毒磷酸蛋白（如Nipah、Hendra和HMPV病毒），其设计成功率高于当前基于结构的RFdiffusion方法，命中率超过60%，展示了在治疗开发中广泛应用的潜力，尤其适用于传统上“不可成药”的靶点。