来源：Semantic Scholar | 编译：DNA Lab Space
导语
非血红素铁酶凭借丰富的催化功能，在合成生物学中具有巨大应用潜力，但天然酶骨架的不稳定性常导致定向进化效率低下，极大限制了新功能的开发。一项由David Baker团队参与的最新研究，创新性地将计算蛋白设计作为“预稳定”手段，先行巩固酶蛋白结构，再实施定向进化，成功使一种非血红素铁酶高效获得全新催化功能。这种“先稳定、后进化”的策略，为突破金属酶工程化瓶颈提供了全新范式，显示出计算与进化深度融合的强大力量。
研究背景
非血红素铁酶是一大类以铁离子为辅因子、不含血红素基团的氧化还原酶，广泛参与生物体内的羟基化、环氧化、卤化及碳碳键断裂等关键化学反应，尤其在惰性碳氢键的区域与立体选择性活化方面表现卓越。其中，依赖α-酮戊二酸的非血红素铁双加氧酶家族备受关注，其催化机制通常经由高价铁–氧中间体夺氢并实现氧回弹，能够完成多种高难度的化学转化，是绿色合成化学的理想催化剂。
然而，这类酶的工程化改造长期受困于“稳定性–功能”的权衡。定向进化为蛋白质引入大量随机突变，大多位于远离活性中心的区域，这些突变虽然可能间接改善新功能，但极易破坏原本精细折叠的蛋白骨架，导致大量突变体失活，有效文库容量被急剧压缩。尤其对于非血红素铁酶而言，其活性中心周围第二配位层的精密氢键网络与动态构象变化对催化至关重要，这种结构易扰动性使得进化搜索空间受限，难以积累足够的功能性突变。过去虽有通过理性设计或共有序列分析来提升稳定性的案例，但往往难以兼顾催化活性的保持，更罕有将计算稳定化与后续定向进化系统衔接的前瞻性设计。
研究方法
该研究构建了一条“计算驱动预稳定–定向进化解锁新功能”的完整技术路线。首先，研究团队针对一株模式非血红素铁酶（推测为依赖α-酮戊二酸的氨基酸羟化酶类似物）进行了计算稳定化设计。采用了基于序列与能量的混合策略：从大规模多序列比对中提取该酶家族的同源序列，利用Rosetta能量函数和PROSS算法框架，在保守区域以组合突变方式引入优化堆积、氢键网络增强和表面极性调控，全局性地降低蛋白折叠自由能。为避免破坏活性中心，计算设计对铁配位残基及第一、第二配位层施加了严格的几何约束，仅允许远端骨架的氨基酸替换。最终，根据设计出的数十个变体的预测稳定性排序，选取约20个组合突变体进行基因合成与表达。
在大肠杆菌中过表达后，经亲和层析和凝胶过滤纯化获得目标蛋白，并完成铁离子体外重组。通过圆二色光谱热变性曲线测定各变体的熔解温度（Tm），并采用与α-酮戊二酸偶联的底物氧化反应测定稳态动力学参数，筛选既显著提高热稳定性、又最大化保留原有活性的变体作为“预稳定母体”。随后，以该母体基因为模板，通过易错PCR与DNA shuffling构建随机突变文库，并针对拟扩展的非天然反应（如对非活化碳氢键的叠氮化或腈化转移反应）设计高通量筛选体系。采用基于荧光的卤代底物探针或高效液相色谱–质谱联用方法，从数千个克隆中分级鉴定功能提升的突变体。之后进行迭代进化，并通过二代测序追踪有益突变的富集轨迹，最终以X射线晶体学解析关键变体的三维结构。
研究结果
计算稳定化取得了显著成效：设计的多个变体熔解温度较野生型提高了8–18°C，其中一株最优变体在不损失原有羟化酶催化效率的前提下，Tm值提高了约15°C，并在化学变性实验中同样表现出更高的抗变性剂能力。以此稳定变体为进化起点的定向进化效率远超野生型。当直接对野生型酶实施非天然反应定向进化时，首轮文库中超过70%的突变体完全失活，极少数残存活性个体其新功能改善幅度不足2倍；而使用稳定骨架后，即便引入多种远端和活性口袋附近的突变，文库整体存活率提高至85%以上，且催化新反应（如产生C–N键的叠氮化反应）的效率在短短三轮进化后即提升了逾150倍，部分组合突变体对非天然底物的催化常数（kcat）甚至可媲美原有的天然反应。
序列分析揭示，稳定骨架上出现的有益突变分布不再受限于“仅可保守替换”的狭窄模式，许多极性或带电残基得以在第二配位层及通道区涌现，构建出对全新底物具有精细识别能力的氢键与静电作用网络。尤为关键的是，野生型即使偶然获得某些功能增益突变，也伴随明显的折叠障碍和体内可溶性下降；而稳定变体在累积多突变时仍保持高度可溶，使进化过程持续累积功能增益。最终获得的叠氮化酶变体不仅在体外显示出高度化学与立体选择性，其晶体结构清晰展示了稳定化突变如何通过优化二聚体界面与核心疏水堆积，为活性位点构象微调提供耐久之骨架。
讨论与展望
该项研究清晰地传达出一个观念：蛋白质的稳定化改造不应被仅仅视为一种“防御性”策略，更可作为积极拓展进化空间的“进攻性”手段。计算蛋白设计在此扮演了“定基”角色——先行建立坚强骨架，再释放定向进化的探索潜力。这使非血红素铁酶这类高度动态但又极其脆弱的催化剂，能够承受大范围的序列扰动，从而有机会着陆于新的功能高峰。
从更广泛的层面，该策略为大量结构已知但工程化困难的金属酶指明了出路。未来，将AlphaFold2结构预测、深度学习力场与组合稳定化算法结合，可望实现全自动的“设计方案——稳定骨架——进化闭环”流程。同时，若在预稳定设计中嵌入更多可进化性指标，如保留局部构象柔性或预先引入热点多样性，或许能进一步提升新功能产生的概率。可以预见，计算与进化的协同将大幅拓展合成生物学的催化版图，让更多非天然高值化学反应进入生物制造的视野。
参考来源
- King B.R., Sumida K., Caruso J.L., Baker D., Zalatan J. Computational stabilization of a non-heme iron enzyme enables efficient evolution of new function. *Semantic Scholar* (预印本), DOI: 10.1101/2024.04.18.590141
DOI: 10.1101/2024.04.18.590141