The Pulse
L’IA progetta proteasi a cisteina che tagliano legami peptidici stabili
Un gruppo guidato da Hojae Choi e David Baker ha progettato proteasi a cisteina che tagliano i legami peptidici, capaci di persistere per centinaia di anni in acqua a pH neutro. Nei test, 13 dei 69 progetti hanno funzionato e gli enzimi han
AI.info Team · Scritto con l’IA ·
«Qui descriviamo la progettazione de novo di enzimi che utilizzano un nucleofilo a base di cisteina attivata per idrolizzare lo scheletro polipeptidico in modo dipendente dalla sequenza».
Hojae Choi et al., Nature
Gli enzimi progettati da Hojae Choi, David Baker e i loro colleghi fanno qualcosa che ha rappresentato una sfida per la progettazione computazionale degli enzimi: tagliano i legami peptidici, che uniscono gli amminoacidi nelle proteine. In acqua a pH neutro, questi legami possono persistere per centinaia di anni. I ricercatori riferiscono che le proteasi progettate tagliano sequenze specifiche e funzionano all’interno di cellule di mammifero.
Dalla struttura progettata all’enzima funzionante
Lo studio del gruppo, pubblicato su Nature il 14 ottobre, descrive enzimi costruiti attorno a una cisteina attivata, un amminoacido il cui atomo di zolfo può attaccare un legame peptidico. I ricercatori hanno progettato le proteine in modo da collocare quel gruppo reattivo accanto ad altri residui catalitici e a un peptide bersaglio. Gli enzimi ottenuti idrolizzano il legame, rompendolo mediante una reazione con l’acqua, anziché limitarsi a legarsi al bersaglio.
Secondo la panoramica della progettazione contenuta nello studio, il procedimento computazionale combina RFD2-MI con ProteinMPNN e AlphaFold 3. Il gruppo ha testato 69 progetti e ne ha individuati 13 che tagliavano i rispettivi bersagli, con un tasso di successo del 19%. Per i progetti attivi, gli autori riferiscono incrementi della velocità catalitica fino a 30 milioni di volte rispetto alla reazione di fondo non catalizzata.
Sei strutture cristalline corrispondono ai progetti
Le analisi strutturali hanno permesso di verificare se le proteine avessero assunto le forme proposte dal software. Sei strutture cristalline corrispondevano strettamente ai rispettivi modelli progettuali, con deviazioni quadratiche medie degli atomi Cα inferiori a 1,2 ångström. Le proteine progettate presentavano inoltre ripiegamenti diversi da quelli delle proteasi naturali, con punteggi di somiglianza strutturale inferiori a 0,50.
Il risultato è importante perché la progettazione degli enzimi è stata spesso limitata a reazioni modello con barriere energetiche più basse. I legami peptidici sono bersagli più difficili: la loro stabilità li rende utili per costruire proteine che restano unite, ma li rende anche difficili da tagliare senza un catalizzatore biologico. Questi progetti mostrano che i metodi computazionali possono produrre nuove impalcature proteiche capaci di catalizzare quella reazione, anziché affidarsi soltanto alle strutture degli enzimi naturali.
I test cellulari mostrano attività, non un trattamento
Secondo gli autori, le proteasi progettate hanno tagliato i bersagli previsti in cellule di mammifero. Il lavoro va così oltre i test su enzimi purificati e dimostra attività in un contesto biologico più complesso. Lo studio presenta il risultato come un possibile punto di partenza per la biologia sintetica, non come prova di una terapia o della sicurezza nell’uomo.
Il gruppo individua anche un limite: gli enzimi progettati restano meno attivi delle più efficaci proteasi a cisteina naturali. Le sue analisi indicano che la preorganizzazione imperfetta del sito attivo e il posizionamento del substrato contribuiscono a questa differenza. Migliorare questi aspetti sarà necessario per aumentare l’attività mantenendo la selettività desiderata per la sequenza.
Le strutture proteiche dello studio sono disponibili nel Protein Data Bank con i codici di accesso 9YNL, 9YNM, 9YOX, 9YOY, 9YOZ e 9YP0. Le strutture depositate costituiscono una documentazione concreta di sei enzimi progettati le cui forme osservate sperimentalmente corrispondono strettamente ai modelli computazionali.