华东理工大学教授郁惠蕾团队提出深度学习驱动的界面设计方法DeepIE，通过识别并重塑多聚体酶的亚基界面提高其稳定性，为多亚基蛋白的界面设计提供了新思路，对设计高效且稳定的多聚体生物催化剂具有借鉴意义。相关研究成果近日发表于《美国化学会-催化》。

界面是由多个相互作用区域共同组成的“分布式网络”，其稳定性来源于多个接触区域之间分散且相互关联的作用，局部构象的波动可能牵一发而动全身，进而波及更广泛的界面相互作用。多聚体结构广泛存在于天然酶中，其中亚基间的界面不仅是各亚基组装的基础，也深刻影响酶的结构稳定性与催化功能。如何在提升稳定性的同时保留酶的催化活性，成为多聚体酶工程长期面临的关键难题。

研究团队建立了由“柔性界面识别—局部序列设计—活性预测筛选”组成的DeepIE方法，实现了对复杂亚基界面的全局重塑。研究团队首先利用分子动力学模拟定位亚基界面中波动最大的区域，将其锁定为改造靶点；随后借助深度学习工具ProteinMPNN对上述区域进行序列重设计；最后引入蛋白质语言模型辅助的活性预测，对海量候选序列进行高效过滤，确保最终进入湿实验的突变体兼具稳定性与催化活性。以二聚体甲酸脱氢酶为例，该方法使酶在50℃下的半衰期延长约500倍，同时保持了催化活性，分子动力学分析则进一步揭示了稳定性提升的分子机制。

DeepIE框架流程图。研究团队供图

相关论文信息：https://doi.org/10.1021/acscatal.6c05133