文献解读：de novo 蛋白设计综述（Nature 2026）
Yang W, Wang S, Lee GR, et al. (David Baker 组) — "The past, present and future of de novo protein design". Nature, Vol 652, 30 April 2026, pp. 1139–1149.
一句话总结
深度学习驱动的蛋白设计正在引发范式转移：从「随机筛选」走向「有意的计算设计」。 设计新结构、新组装体、新结合蛋白这三大长期难题已接近解决； 当前的关键问题不再是「怎么设计」，而是「设计什么、为哪个应用设计」。
为什么值得读这篇
这是 Baker 组在 2026 年对 de novo 蛋白设计领域的一份「状态盘点」。它明确划出了 已解决 / 接近解决 / 仍开放 的问题边界，对方法开发者（该聚焦什么）、 领域外科学家（能不能用上）、以及像本站这样做知识库的人，都有很强的导航价值。
方法论的两次跃迁
- 1990s–约 2020：物理模型时代（Rosetta）。 基于 Anfinsen 假说（折叠态=序列的自由能全局最小），靠力场做 骨架采样 → 序列设计 → 能量排序。代表：Top7（2003，首个原子级精度的全新折叠）。
- 2020 起：机器学习时代。AlphaFold / RoseTTAFold 提供 「序列→结构」的映射；ML 方法追求高概率的序列-结构对， 而非物理上的极低能量对，因而能隐式考虑其他可能结构。
- 生成式 AI（RFdiffusion / Chroma）：类比 DALL·E， 从随机噪声逐步去噪生成蛋白骨架；可在去噪时条件化生成特定功能 （如围绕小分子靶点生成结合蛋白）。
- 序列设计（ProteinMPNN）：为固定骨架生成序列； 结构预测（AlphaFold/RoseTTAFold）取代能量打分做评估。 三者（扩散骨架 + MPNN 序列 + 结构预测）构成当前主流闭环。
五大设计挑战与进展（重点）
1. 蛋白折叠与单体结构 —— 已基本解决
从 Top7（2003）的原子级精度，到 TIM 桶、β-桶、螺旋重复蛋白等大量新结构被验证。 ML 方法在结构控制与新奇度上更强。已扩展到跨膜蛋白（离子孔道、通道、 锌转运体）、非天然氨基酸与主链（环肽、寡酰胺 minicycle，可膜通透、口服可用）， 甚至把蛋白设计方法用于类药小分子设计。
2. 蛋白组装与纳米材料 —— 已落地为获批药物
通过界面自组装设计出多面体纳米笼、纤维、2D/3D 阵列、晶体等。 最大里程碑：SKYCovione（新冠纳米颗粒疫苗）成为首个 de novo 设计、获临床批准的 medicine。正扩展到通用流感等疫苗， 并可编码为 mRNA 递送。打破完美对称性（准对称、伪对称笼）使材料尺寸达 ~100 nm、功能更多样。
3. 蛋白-蛋白 binder —— 接近解决（已验证 >200 个靶点）
RFdiffusion、BindCraft 等可稳健生成针对指定位点的高互补 binder； 经部分去噪精炼可得皮摩尔级亲和力。可条件化为纳米抗体（VHH）/scFv。 已覆盖：抗病毒（流感、SARS-CoV-2、MERS、亨尼帕）、抗毒素（蛇毒、肉毒、艰难梭菌毒素）、 受体拮抗/激动（RTK、GPCR、PD-L1、HER2、IL-2R）、内吞/降解（EndoTags、靶向降解）。 随亲和力问题基本解决，焦点转为「设计去结合谁、用于什么应用」。
4. 小分子 binder 与传感器
可设计针对地高辛、甲氨蝶呤、可替宁、皮质醇等小分子的高形状互补 binder， 作治疗海绵或血药浓度传感器； 与第二个蛋白偶联成 CID（化学诱导二聚化）传感器，或并入门控纳米孔。
5. 酶催化剂 —— 最难，但仍在高能垒以下反应取得突破
早期从「理想活性中心描述」反推，活性低、需定向进化补足。 关键瓶颈是无法精确放置催化官能团。 RFdiffusion2 可直接围绕活性位点搭建支架；PLACER 筛选活性中心预组织， 使丝氨酸水解酶 kcat/KM 达 2.2×10⁵ M⁻¹s⁻¹， 金属水解酶 >10⁴ M⁻¹s⁻¹，并成功整合血红素等辅因子。 对高活化能垒反应的设计仍是开放难题。
6. 多状态系统与分子机器（前沿）
LOCKR 系统把结合输入转成发光/荧光/降解/重定位输出，可做布尔逻辑； 已设计别构开关、细胞因子信号时长控制、机械耦合旋转装置； 并在 DNA/RNA 结合蛋白设计上打开基因治疗新空间。
应用亮点
- 医学：抗病毒鼻喷（高稳定性、无需冷链）、抗蛇毒（利于缺冷链地区）、 癌症免疫（IL-2 类似物已进入人体临床试验）、自身免疫（口服递送的 TNFR/IL-23 拮抗剂）。
- 可持续：生物矿化导向 CaCO₃ 成核（CO₂ 固定）、 人工光合（重建叶绿素 special pair、多核金属簇促多电子反应）。
仍需解决的挑战
- 免疫原性：虽初步数据显示 de novo 蛋白免疫原性较低，仍需系统最小化 T 细胞表位。
- 规模化制造：非医疗大宗蛋白生产仍是瓶颈（所幸设计蛋白通常高表达、高溶解度）。
- 新活性 assay：超越结合/催化后，需高通量筛选评估新功能。
- 生物安全与 IP：工具可能被滥用设计毒素；序列易重设计带来专利新问题。
未来展望
未来 5–10 年，前沿在于组合两种以上模态的复杂功能： 如由化学燃料驱动、循环多构象的纳米机器；以及「不止结合、还能修饰或降解靶标」的治疗蛋白。 de novo 蛋白设计有望成熟为横跨医学、可持续、生物技术的基础工具。
与本站呼应：本综述反复提到的方法（RFdiffusion、ProteinMPNN）与应用方向 （抗体/binder、疫苗免疫原）正是本站「设计方法」「临床应用」板块的主线； 「酶催化剂仍是最难」也呼应了我们此前关于「治疗性酶最难纯计算发文」的判断。
原文关键信息
- 期刊：Nature 652, 1139–1149 (2026-04-30)；DOI: 10.1038/s41586-026-10328-7
- 通讯：David Baker（UW / Institute for Protein Design）
- 关键方法引文：RFdiffusion (Watson et al., Nature 2023)、 ProteinMPNN (Dauparas et al., Science 2022)、 AlphaFold (Jumper et al., 2021)、RoseTTAFold / All-Atom、PLACER