蛋白质结构

蛋白质是生命体系中的基石，从细胞的基本功能到复杂的生物过程，蛋白质都发挥着至关重要的作用。然而，蛋白质的结构复杂多变，长期以来一直是科学家们研究的难点。

2024年诺贝尔化学奖授予了在蛋白质结构设计和预测领域做出杰出贡献的三位科学家：美国华盛顿大学的David Baker，以及谷歌DeepMind的Demis Hassabis和John Jumper。这一殊荣不仅是对他们个人成就的认可，更是对整个领域的重要性的肯定。

什么是蛋白质结构

蛋白质结构是指蛋白质分子的空间结构。作为一类重要的生物大分子，蛋白质主要由碳、氢、氧、氮、硫等化学元素组成。绝大部分蛋白质都是由20种不同的L型α氨基酸连接形成的聚合物，但还存在另外两种不常见氨基酸，硒半胱氨酸、吡咯赖氨酸，参与到极少数的蛋白质合成中（其翻译机制也不同于61种密码子）。在形成蛋白质后，这些氨基酸又被称为残基。

蛋白质和多肽之间的界限并不是很清晰，有人基于发挥功能性作用的结构域所需的残基数认为，若残基数少于40，就称之为多肽或肽。

要发挥生物学功能，蛋白质需要正确折叠为一个特定构型，主要是通过大量的非共价相互作用（如氢键、离子键、范德华力和疏水作用）来实现；此外，在一些蛋白质（特别是分泌性蛋白质）折叠中，双硫键也起到关键作用。为了从分子水平上了解蛋白质的作用机制，常常需要测定蛋白质的三维结构。由研究蛋白质结构而发展起来了结构生物学，采用了包括X射线晶体学、核磁共振以及冷冻电镜（cryo-EM）等技术来解析蛋白质结构。

一定数量的残基对于发挥某一生物化学功能是必要的；40-50个残基通常是一个功能性结构域大小的下限。蛋白质大小的范围可以从这样一个下限一直到数千个残基。目前估计的蛋白质的平均长度在不同的物种中有所区别，一般约为200-380个残基，而真核生物的蛋白质平均长度比原核生物长约55%。更大的蛋白质聚合体可以通过许多蛋白质亚基形成；如由数千个肌动蛋白分子聚合形成蛋白纤维。

蛋白质结构与功能的关系

蛋白质是细胞内的小机器，由20种不同的氨基酸组成，通过复杂的折叠方式形成特定的三维结构。这些结构决定了蛋白质的功能，即它们如何与其他分子相互作用，如何参与生物体的各种过程。因此，了解蛋白质的结构是理解其功能的基础。

蛋白质的结构可以分为四个层次：一级结构（氨基酸序列）、二级结构（局部折叠，如α-螺旋和β-折叠）、三级结构（整体折叠）和四级结构（多个多肽链的组装）。这些结构层次的复杂性使得蛋白质的功能多样化，同时也增加了结构解析的难度。

蛋白质结构预测

蛋白质的三维结构决定其生物功能，准确预测这一结构对于理解生命过程和疾病机制至关重要。传统实验方法如X射线晶体衍射和核磁共振虽能提供精确的结构信息，但耗时且成本高。因此，基于氨基酸序列的蛋白质结构预测成为生物信息学的重要研究领域。近年来，人工智能技术，特别是深度学习的应用，显著提升了预测精度。例如，AlphaFold2通过机器学习方法，以原子精度预测蛋白质结构，在大部分情况下表现出与实验相媲美的准确性。 这些进展不仅加速了新药研发和疾病研究，还推动了生物学基础研究的发展。

蛋白质结构预测对于新药开发、疾病治疗和生物科学研究至关重要。它帮助科学家识别药物结合位点，设计高效特异性药物，揭示疾病机制，提供治疗新思路，深入理解生物体过程。

AlphaFold：蛋白质结构预测的突破

AlphaFold是由Google DeepMind开发的AI系统，可从氨基酸序列预测蛋白质的三维结构，其准确性媲美实验方法。Google DeepMind与欧洲生物信息学研究所（EMBL-EBI）合作创建了AlphaFold数据库，免费向科学界开放，现已涵盖超过2亿条UniProt蛋白序列，包含人类及47种重要生物的蛋白质组。

在CASP14评估中，AlphaFold以显著优势成为蛋白质结构预测的最佳方法，预测结果高度精确。尽管仍存在局限性，AlphaFold已展现出加速蛋白质结构解析和推动生物学研究的巨大潜力。