研究人员提出了一类新的GPCR调节蛋白，称为GPCR exoframe modulators(GEMs)。这些蛋白通过从头设计生成，能够直接结合GPCR跨膜结构域并作为别构调节因子发挥作用。研究人员采用类似深度学习“hallucination”的蛋白设计策略，并结合结构提示约束，使生成的蛋白获得期望的结合模式。以多巴胺D1受体为模型，研究人员设计并系统研究了四种GEM。结构和功能实验表明，这些蛋白能够结合跨膜区域，并分别表现为正向别构调节、负向调节或偏向调节。特别是ago-PAM型GEM能够恢复多种失活突变体的受体功能，显示其在GPCR相关疾病治疗中的潜在价值，同时证明深度学习驱动的膜蛋白功能设计具有重要前景。
GPCR是人体中最大的膜蛋白家族之一，在信号转导中发挥核心作用，因此成为重要药物靶点。传统药物主要作用于正构结合口袋，但由于该口袋在不同GPCR亚型中高度保守，往往导致选择性不足和副作用问题。此外，对于由功能缺失突变导致的疾病，传统配体常常无法恢复受体活性。
别构调节提供了一种替代策略，通过作用于不同结合位点实现调控。目前多数研究仍集中于小分子别构调节剂，而天然系统已经证明跨膜蛋白本身也可以调节GPCR功能。这提示基于跨膜蛋白的调节方式可能成为新的治疗思路。然而，针对GPCR跨膜区域设计调节蛋白仍几乎没有先例。
随着AlphaFold及深度学习蛋白设计方法的发展，从头生成具有特定功能的蛋白成为可能。研究人员因此尝试利用深度学习结构预测与生成方法，设计能够直接结合GPCR跨膜区域并产生特定调控效果的人工蛋白。
研究人员首先使用AlphaFold-multimer对受体与单跨膜螺旋探针进行高通量结构预测，以识别潜在跨膜结合位点。随后构建从头设计流程，结合RFDiffusion生成骨架、ProteinMPNN设计序列，并通过AF2迭代重折叠进行优化。设计过程中引入三种结构提示策略，包括定点插入、位点阻断和构象诱导，以限制蛋白结合位置和受体构象状态。通过这种迭代优化框架，研究人员成功设计出多个针对不同跨膜区域并具有不同功能的GEM蛋白。
研究人员首先通过计算探针扫描受体跨膜表面，发现存在多个适合单跨膜螺旋结合的潜在调控位点。基于这些位点，研究人员建立了完整的从头设计流程，并结合结构提示策略，使模型能够生成具有指定结合位置和功能倾向的蛋白。最终成功获得四种不同的GEM设计，分别靶向不同跨膜区域。
结构预测结果显示，这些设计蛋白能够与目标跨膜区域形成互补结合界面，并具有较高结构置信度。序列分析发现所有GEM均包含两段疏水跨膜螺旋以及较为多样的环区结构，有利于在膜环境中稳定存在。迭代优化过程中，结构预测置信度不断提升，关键界面残基逐步收敛到高概率氨基酸，说明设计流程能够有效找到稳定结构解。
功能实验显示，不同结合位置的GEM产生不同调节效果。靶向TM1/2/4区域的GEM几乎不改变受体信号，仅作为结合锚点。靶向TM3/4/5区域的GEM能够选择性抑制β-arrestin信号而较少影响G蛋白信号，从而表现为偏向性别构调节。针对TM5/6/7区域的设计则表现出更强调节能力，其中一种设计显著抑制信号传导，而在采用活化构象提示后得到的另一种设计则促进受体激活，表现为正向别构调节。
进一步的冷冻电镜结构解析证实，所有设计蛋白均以预测方式结合受体，并产生稳定复合物结构。
图3｜从头设计的GEM与D1受体复合物的高分辨率结构。
高分辨率结构比较表明，设计模型与实验结构高度一致，证明深度学习设计策略具有可靠性。结构分析显示，不同GEM通过改变跨膜螺旋的位置关系来调节受体构象。例如抑制型GEM通过限制TM6外移保持受体处于失活状态，而激活型GEM则通过稳定TM6外移构象推动受体进入活化状态。这种直接稳定受体构象的方式提供了一种区别于传统配体结合的新型调控机制。
图4｜GEM介导GPCR调控的结构评估及分子机制。
研究人员进一步测试激活型GEM对多种功能缺失突变的影响。实验结果表明，该GEM能够在多个突变体中恢复信号活性，包括临床相关突变，部分情况下可恢复到野生型活性的约一半甚至更高。这说明通过直接稳定跨膜构象的方式可以绕过传统配体无法修复的功能缺陷。
研究人员提出的GEM代表了一种新的GPCR调控模式，即通过设计跨膜蛋白直接与受体形成“外骨架”式结构，从而控制其构象状态。与传统设计仅优化结合亲和力不同，该策略强调功能导向的蛋白工程，使设计蛋白能够实现激活、抑制或偏向信号调节。
该研究还表明，GPCR跨膜表面可能存在大量尚未发现的调控位点，而人工设计蛋白能够作为结构探针帮助发现这些位点。此外，这类蛋白不仅可能用于治疗由GPCR突变引起的疾病，还可能成为研究受体结构、稳定活化状态以及开发新药的重要工具。
研究人员认为，该跨膜蛋白设计框架未来可能扩展至其他膜蛋白体系，例如离子通道或转运蛋白，从而建立可编程的功能蛋白设计平台。
Cheng, S., Guo, J., Zhou, Yl. et al. De novo design of GPCR exoframe modulators. Nature (2026).
https://doi.org/10.1038/s41586-025-09957-1
内容为【DrugOne】公众号原创｜转载请注明来源
