创造新催化活性的两大策略

当自然界不存在现成酶时，如何从头设计新催化活性？

🧬 定向进化（Directed Evolution）

核心思路：构建超大随机突变文库，依赖高通量筛选捕获稀有活性变体。

典型案例：Seelig & Szostak 以锌指蛋白为起点，筛选 10¹³ 规模的随机文库。

关键技术：mRNA 展示——将蛋白与其编码 mRNA 共价连接，直接关联基因型与表型。

结果：经 17 轮突变与筛选，获得自然界不存在的 RNA 连接酶活性，速率提升超 200 万倍。

优势：无需预先知晓反应机制。

💻 计算设计（Computational Design）

核心思路：基于量子力学过渡态模型，在已知蛋白骨架中反向搜索匹配活性位点。

典型案例：Baker 团队设计催化非天然反应 Kemp 消除（5-硝基苯并异噁唑）的酶。

关键技术：RosettaMatch 算法——在数十万高分辨率晶体结构中搜索 His-Asp 二联体等催化基序。

结果：72 个从头设计蛋白中 32 个具有可检测活性；后续定向进化可将 k_cat 提升至 1.37 s⁻¹。

优势：理性、可解释、结构高度吻合设计模型。