AI 设计多肽：生化研究工具的范式革命

文献来源： Hong L, Vincoff S, Chatterjee P. AI-Designed Peptides as Tools for Biochemistry. Biochemistry, 2026. DOI: 10.1021/acs.biochem.6c00138 作者单位： 宾夕法尼亚大学生物工程系 & 计算机与信息科学系（通讯作者：Pranam Chatterjee） 发表期刊： Biochemistry（ACS）

目录

1. 1. 研究背景：多肽的独特生态位与历史局限
2. 2. AI 设计多肽的方法论体系
   • • 2.1 表征学习（Representation Learning）
   • • 2.2 性质预测模型（Property Prediction）
   • • 2.3 生成算法（Generative Algorithms）
   • • 2.4 基于结构的设计范式
   • • 2.5 基于序列的设计范式
3. 3. 多肽作为生化工具的应用场景
4. 4. 方法选择建议
5. 5. 展望与挑战

1. 研究背景

1.1 抗体的统治与局限

抗体长期主导生化研究的亲和试剂市场，支撑着 Western blot、免疫沉淀（Co-IP）、流式细胞术等核心实验技术。然而其固有缺陷日益凸显：

重组替代品（scFv、纳米抗体、设计小蛋白）部分解决了上述问题，但仍依赖折叠蛋白骨架和复杂的表达系统。

1.2 多肽的独特生态位

多肽（通常 < 50 个残基）在分子量和功能上处于小分子与蛋白质/抗体之间，具有独特的实验优势：

相比小分子的优势：

• • 分子量更大，可识别蛋白延伸表面（extended protein surfaces）
• • 能与本征无序区域（IDR）和线性基序（linear motifs）结合
• • 可精确共价连接荧光基团、酶或降解元件

相比抗体的优势：

• • 化学合成简单，序列完全透明
• • 免疫原性风险低
• • 合成周期 3–7 天（vs 抗体 3–6 个月）
• • 可进入活细胞（结合细胞穿透肽技术）
• • 高通量合成与筛选成本低

1.3 传统多肽发现的瓶颈

传统的多肽发现流程（噬菌体展示、组合文库筛选、天然结合基序的迭代突变）存在以下根本性局限：

1. 1. 劳动密集：每轮筛选需要大量手工工作
2. 2. 多目标优化困难：难以同时兼顾亲和力、特异性、溶解性、稳定性
3. 3. 靶标受限：难以针对无序区域或缺乏结构信息的靶标
4. 4. 物理化学性质差：未经优化的多肽常具有溶解性低、蛋白酶敏感、非特异性结合等问题

AI 的介入正系统性地解决上述瓶颈，推动多肽发现从"筛选驱动"走向"设计驱动"。

2. AI 设计多肽的方法论体系

作者将 AI 多肽设计工具系统划分为三大类核心模型——表征模型、预测模型和生成模型——并在此基础上按设计范式区分为"基于序列"与"基于结构"两大路线。

2.1 表征学习

表征模型通过自监督学习（masked language modeling, MLM）从海量序列数据中学习多肽的物理化学和结构特征，输出高维数值嵌入向量，为下游预测与生成任务奠定基础。

蛋白质语言模型（pLM）

以 ESM-2、ProtT5、ProteinBERT 为代表，在全长蛋白数据集上训练，可自然延伸至由 20 种标准氨基酸组成的多肽。ESM-2 凭借其优秀的结构预测（ESMFold）和序列特征提取能力，成为众多下游工具的骨干编码器。

化学语言模型（CLM）

ChemBERTa、Chemformer 等基于 SMILES 字符串训练，天然支持非标准氨基酸（NCAA）、化学修饰和环状拓扑结构，适用于肽模拟物（peptidomimetics）设计。

多肽专用语言模型（pepLM）

通过微调现有模型或从零训练，专门针对多肽数据优化：

技术要点： Transformer 的自注意力机制使 pepLM 能建模残基间的长程依赖关系；PepLand 采用图神经网络，将多肽视为二维分子图，是另一条有吸引力的技术路线。预训练表征模型对下游预测和生成任务均有显著的迁移学习效果。

2.2 性质预测模型

性质预测模型是表征学习能力的重要验证手段，也是多目标生成框架中的关键组件（作为奖励函数或推断时采样的引导信号）。

蛋白-多肽相互作用位点预测

• • DELPHI、MEG-PPIs、EGRET：预测靶蛋白上的蛋白-蛋白相互作用位点
• • PepCNN、PepBCL：预测靶蛋白上的通用多肽结合区域
• • PepNN：提供序列（PepNN-Seq）和结构（PepNN-Struct）两种预测途径，可针对特定多肽配体进行靶标相互作用热点预测

物理化学与药学性质预测

PeptiVerse 是该领域的集成平台，可预测多种治疗和实验相关性质：

溶解性 · 溶血性 · 细胞穿透性 · 膜通透性 · 可合成性 · 非污染性 · 结合亲和力 · 半衰期 · 毒性

2.3 生成算法

生成模型是 AI 多肽设计的核心引擎，负责从学习到的分布中采样生成满足约束条件的新序列。

自回归模型（早期方法）

基于 GPT 架构，逐词元生成序列。已成功应用于蛋白和多肽设计（ProGen、ProGen2 等），但从左到右的单向生成限制了全局序列性质的约束施加，难以同时优化多个下游实验指标。

离散扩散模型（Discrete Diffusion）

将序列生成建模为逐步去噪过程的反转：训练时随机掩盖或替换词元（token），推断时从被破坏的序列逐步还原为真实序列。

核心优势：

• • 天然适配离散字母表（氨基酸序列、SMILES）
• • 支持双向上下文，利于全局性质的引导采样
• • 可与强化学习、蒙特卡洛树搜索（MCTS）结合，实现多目标优化

代表工作：PepTune（基于 PepMDLM，结合 MCTS 进行多目标引导采样）、TR2-D2（通过强化学习对扩散分布进行指数倾斜）

流匹配（Flow Matching）

学习从简单基础分布到目标数据分布的时间依赖向量场，实现更快速、更全局协调的序列更新。

• • MOG-DFM：学习多目标 Pareto 前沿的离散流匹配，是 moPPIt 的生成骨架
• • AReUReDi：引入整流更新（rectified updates），在残基级别直接向 Pareto 前沿移动
• • Gumbel-FM：Gumbel-Softmax 与流匹配的结合，适用于目标蛋白序列条件化生成

关键洞见： 离散扩散与流匹配框架均将"学习宽泛的多肽先验"与"将采样引导至任务特定区域"解耦，这一设计原则对于同时优化结合、选择性和物理化学行为的多肽设计尤为有效。

2.4 基于结构的设计范式

基于结构的方法将蛋白质三维空间信息作为设计的核心约束，是最早受益于现代 AI 的多肽设计路线之一。

结构预测与构象采样

折叠算法为结构设计提供原子级分辨率模板：

构象集成与动力学模拟：

• • PepFlow：通过超网络条件化扩散模型，直接从多肽能量图景采样构象集合
• • BioEmu：利用生成式深度学习对蛋白平衡系综进行可扩展模拟，提供结合几何的动态视角

三维多肽设计

新一代 AI 方法可直接在三维空间中输出原子坐标与序列：

一般多肽设计（无需靶标输入）：

• • HelixDiff：基于评分函数的扩散模型，生成全原子 α 螺旋结构；热点填补模块可引入 D 型氨基酸以提升稳定性
• • AfCycDesign：结合 AlphaFold2 进行环状多肽从头设计与结构条件化重设计；与基序嫁接（motif grafting）工具联用可实现靶向结合

多肽结合物设计（明确以靶标为条件）：

结构化方法的适用条件与局限：

• • ✅ 高质量结构信息可用、靶点有明确结合界面时表现优异
• • ✅ 可加速高亲和力结合物的设计，适用于 pulldown、体外结合测定
• • ❌ 固有局限于结构空间可描述的靶标；对无序区域和缺乏晶体结构的靶点支持有限

2.5 基于序列的设计范式

序列方法在氨基酸序列空间中直接建模结合、结构和物理化学行为，覆盖更广泛的靶标类型和相互作用模式。

蛋白质语言模型驱动的结合物发现

• • SaLT&PepPr：利用 ESM-2 表征，从已知相互作用蛋白中识别并复用线性结合片段，已在 β-连环蛋白等靶标上获得体内验证
• • PepMLM：基于跨度掩码语言模型（span MLM）目标，直接以靶标蛋白序列为条件生成结合多肽；已在亨廷顿突变蛋白、转录因子、病毒磷蛋白、致癌融合蛋白等高难度靶标上完成实验验证
• • PepPrCLIP：借鉴 OpenAI CLIP 框架，实现对 pLM 采样多肽文库的虚拟筛选

特异性约束序列设计

单纯的亲和力对许多生化应用仍不够，需在生成阶段直接编码生物特异性：

• • moPPIt：整合 PepNN-Seq 启发的结合位点预测器，将生成偏向用户定义的靶标表位区域，实现表位特异性多肽的从头生成，可同时用作抑制剂和细胞治疗的结合模块
• • SOAPIA：在训练时显式纳入脱靶蛋白序列，在无结构数据条件下降低交叉反应性，实现异构体/旁系同源物水平的选择性辨别
• • Metalorian：潜在扩散方法，生成选择性结合特定金属离子（如 Cu）的多肽，展示了序列框架对非蛋白结合化学的编码能力

多目标多肽生成

当结合灵活化学语言（SMILES、HELM、CHUCKLES）时，序列设计获得显著增强，可同时优化结合亲和力与多种物理化学性质：

3. 多肽作为生化工具的应用场景

3.1 实验适配亲和试剂

多肽作为亲和试剂的核心优势在于：可在设计阶段即指定实验条件，从而针对特定检测格式生成"开箱即用"的专用试剂。

不同检测格式的设计逻辑

相比抗体的工程优势

由于序列完全已知且化学合成，多肽试剂的结合强度、背景信号和标记化学均可在实验表现不佳时直接调整修改，无需重新筛选新的试剂来源。

3.2 活细胞靶点参与与实时测量

多肽的小分子量使其具备抗体无法比拟的胞内访问能力：

抗体的胞内检测局限：

• • 通常需要固定和透化处理
• • 上述步骤破坏蛋白亚细胞定位信息
• • 无法捕捉瞬时蛋白相互作用

多肽的解决方案：

• • 结合细胞穿透肽（CPP）技术，设计可进入活细胞并稳定保留足够时间以完成靶标结合的多肽
• • 荧光标记的多肽结合物可直接用于胞内流式和成像读数
• • 未标记多肽可用于竞争置换实验，结合标准生化分析评估靶标结合
• • 实现在接近生理状态的条件下测定靶标结合、结合位点占用或竞争性置换

3.3 多肽探针与报告分子

精密设计的多肽底物/探针是众多生化测定的基础，AI 驱动的设计可显著提升选择性和解释性：

酶活性测定：

• • 蛋白酶测定：荧光生成型（fluorogenic）多肽底物，荧光团-猝灭剂 FRET 对
• • 激酶/磷酸酶测定：多肽底物或对接基序，精确设计实现酶家族内的单一成员选择性

修饰型报告分子：

多肽可共价连接各种功能模块，形成追踪多种生物事件的分子报告系统：

• • 荧光团：追踪结合和定位
• • 猝灭剂 / FRET 对：报告蛋白酶裂解、构象变化
• • 光交联剂（photo-crosslinker）：捕捉瞬时相互作用
• • 邻近标记手柄：如 HiBiT 标签，实现蛋白丰度的精确定量

关键认识： 在所有上述应用中，序列背景决定了背景信号、动态范围和脱靶效应，多肽设计是保障测定质量的核心变量。

3.4 可编程蛋白质组编辑：诱导邻近策略

这是全文最具远景性的部分，作者将多肽引导的蛋白质组编辑与 CRISPR 对基因组的影响相提并论：

概念框架

CRISPR 成功的核心在于将靶向（gRNA）与执行（Cas9 核酸酶）解耦，使基因组操控变得简单、可编程、广泛适用。多肽引导的诱导邻近策略正在将这一逻辑移植到蛋白质组层面：

用户指定引导多肽 → 融合至效应酶催化结构域 → 招募酶活性至特定靶蛋白 → 实现定向功能调控

无需改动底层 DNA 序列。

代表性实现

蛋白降解系统：

• • uAbs（泛素抗体）：引导多肽融合至 E3 泛素连接酶催化结构域（CHIP 等），指导泛素化和降解；SaLT&PepPr、PepMLM、PepPrCLIP 设计的多肽均已用于 uAb 引导
• • PepTACs：多肽-PROTAC 杂合降解分子

蛋白稳定化系统：

• • duAbs（去泛素化酶抗体）：引导多肽融合至 OTUB1 去泛素化酶结构域，实现蛋白丰度的稳定化调控；已在体内选择性敲低致病性 β-连环蛋白亚群中验证

其他修饰系统：

• • DUBTACs：去泛素化酶靶向嵌合体，稳定肿瘤抑制因子
• • DEPTACs：靶向磷酸化调控（tau 蛋白磷酸化）

当前技术状态： 大多数实现依赖融合蛋白而非全合成双功能多肽，但随着具有明确亲和力、特异性和胞内相容性的多肽设计变得更为常规，全合成版本有望实现。

4.方法选择建议

方法选择决策框架

作者在文章图 2 中提供了一棵实验者导向的决策树，核心逻辑如下：

是否有高分辨率三维结构？
├─ 是
│   ├─ 相关界面是否已知且结构化？
│   │   ├─ 是 → 基于结构的结合物设计（RFdiffusion/BindCraft/BoltzGen 等）
│   │   └─ 否 → 界面是否无序？
│   │       ├─ 是 → 序列方法（moPPIt/PepMLM）
│   │       └─ 否 → 考虑预测复合物（AlphaFold-Multimer）
└─ 否
    ├─ 知道靶标序列？
    │   ├─ 需要多目标优化？
    │   │   ├─ 是 → 多目标序列方法（moPPIt/PepTune/TR2-D2）
    │   │   └─ 否 → 单目标序列方法（PepMLM/PepPrCLIP）
    │   └─ 有已知结合热点？→ moPPIt（位点引导生成）
    └─ 不知道序列 → 先通过噬菌体展示等发现结合伴侣

关键注意事项： 即使有已解析三维结构，序列方法通常仍可使用，且在处理无序靶标时往往表现更优；AlphaFold 预测结构可作为结构方法输入，但实验验证结构更为理想。

5. 展望与挑战

5.1 近期机遇

多目标"实验即用"试剂的规模化生成是当前最直接的贡献方向：

• • 取代对已有抗体的依赖，尤其是在特异性不稳定的应用场景
• • 将多肽发现从序贯试错转变为工程化工作流

治疗级应用的延伸： 相同设计原则将从靶标结合扩展至功能性扰动和细胞环境操控。耦合分子处理与下游生化或细胞状态效应的涌现模型，预示着多肽不仅能作为靶向结合物，还能作为诱导特定生化结果（降解、稳定化、通路调控）的执行器。

5.2 技术挑战

精准预测模型的数据需求： 多目标控制的有效性严重依赖于高精度预训练性质预测器，这些预测器反过来需要高质量、实验产生的生化和物理化学训练数据。实验生物学家与计算团队的紧密合作是突破瓶颈的关键。

非标准氨基酸的扩展： 专门针对翻译后修饰蛋白或特定蛋白家族的表征模型（如 PTM-Mamba、FusOn-pLM）将进一步扩展可访问的选择性相互作用范围。

闭环实验-计算流水线： AI 设计与自动化多肽合成、高通量筛选以及闭环实验反馈的深度整合，将实现多肽试剂的按需生成、筛选与迭代优化。

5.3 远期愿景

在这一范式下，多肽将超越简单的亲和工具，成为将序列设计直接与生化功能和细胞行为挂钩的可编程分子试剂。