北大毛有东团队Nature重大突破：AI助力时间分辨冷冻电镜，首次实现超大生命分子机器全...

麻省理工科技评论-北大毛有东团队Nature重大突破：AI助力时间分辨冷冻电镜，首次实现超大生命分子机器全功能动力学四维解析

冷冻电镜与人工智能的结合有望突破现有生物大分子结构分析和预测的各种局限性，是世界前沿科技的重要发展方向之一，备受国际风投和生物医药产业的广泛关注。 “全世界拥有冷冻电镜设备的大学和企业很多，但是在相关方法学上的突破创新并不多，而我们的研究就力图解决此类问题。” 北京大学物理学院教授毛有东博士如是说。

图 | 毛有东（来源：毛有东）

不久前，毛有东教授团队以《通过时间分辨冷冻电镜观察USP14调控的人类蛋白酶体的变构现象》（USP14-regulated allostery of the human proteasome by time-resolved cryo-EM）为题，发表在Nature上。毛有东教授为通讯作者，课题组博士后张书文与博士生邹士涛为论文共同第一作者。

图 | 相关论文（来源：在Nature）

故事要从蛋白酶体说起，它是一个庞大的复合物。在USP14（泛素特异性肽酶14，Recombinant Ubiquitin Specific Peptidase 14）的参与下，蛋白酶体以泛素化途径来降解细胞中的绝大部分蛋白质分子。泛素化蛋白酶体降解途径对细胞的多种生命过程起了到非常重要的作用。然而在泛素化蛋白酶体降解途径中，USP14如何调控蛋白酶体的机制尚未得到阐明。大量研究表明，USP14是重要的潜在癌症治疗靶标，其小分子抑制剂曾进入过美国一期临床研究，但围绕USP14功能机制的一系列悬而未决的关键问题极大地限制了其靶向药物分子的开发和临床应用。美国顶尖高校和最大的药企对此进行了多年的探索，然而并没有显著进展。

要解决这个问题，冷冻电镜技术是一种得到广泛应用的重要手段。然而现有的冷冻电镜技术在分析执行生物学功能过程中的中间态结构往往精度不足，因而单凭现有的冷冻电镜技术还远远不足以解决围绕USP14的一系列关键问题。毛有东教授团队凭借自主研发的深度学习高精度四维重建技术，并结合时间分辨冷冻电镜技术，首次从原子水平阐明了USP14对人源蛋白酶体的动力学调控过程以及构象重编程机制。

对此，毛有东教授表示：“我们自行开发的新算法有着其它国际主流算法的三倍左右精度，这是解决这个问题的关键。在此前提下，我们才能重建这种生物大分子机器的动力学过程，第一次实现了时间分辨冷冻电镜在原子水平观测蛋白酶体机器的复杂调控过程。”

为靶向药物设计“地图”

USP14在多种疾病的发生发展中起着至关重要的作用，包括炎症、神经退行性变、肿瘤等。因此，USP14是治疗癌症、炎症和神经退行性疾病的潜在治疗靶点。

对于药物设计，研究人员需要得到生物大分子的活性结构并了解其工作机制。这就相当于拥有了 “地图”，然后通过地图上“地形地貌”的参照，就知道该怎么设计合适的路线，也就是设计合适的药物分子。否则研究人员只能用传统的方法做大规模的盲筛才能有可能得到合适的药物分子。

为了设计靶向USP14的药物，毛有东团队首先是在体外重建USP14调控下的蛋白酶体降解底物的动力学过程。接下来，他们用时间分辨冷冻电镜对其进行成像实验。

本研究涉及的主要是非平衡反应动力学，过程中可能会出现很多种蛋白酶体中间构象，包括一些出现概率比较低的构象，这类构象往往对整个动力学过程有很重要的功能。因此，如何把这类概率比较低的构象重建出来是关键难点。

（来源：Nature）

通过时间分辨冷冻电镜，毛有东教授团队对USP14调控蛋白酶体动力学过程进行重建，获得了13个USP14-蛋白酶体的互作构象。

与此不同的是，在之前，研究人员主要通过结晶的方式来得到生物分子的构象，然后再通过这一个静态构象来设计药物分子。然而，这最大的问题是当蛋白质在结晶过程中展现的构象未必是其在发挥功能时的实时构象。

因此，通过对这13个不同的构象设计药物分子，而非传统意义上由结晶得到的静态构象，研究人员能得到有效药物的成功率就大幅度提高了。

（来源：Nature）

此外，传统的算法很难模拟大分子体系的动力学数据，而毛有东教授团队利用自行开发的高精度新算法在本研究中成功通过实验手段重建了分子量高达2.5M道尔顿的体系在执行底物降解功能的完整原子级动力学过程，这也是一个重大突破。此前，国际上尚未有任何实验研究成功在原子水平观测过如此大分子量的复合物的完整功能执行动力学。

毛有东教授表示：“我们的研究也打开了通往未来的一扇门。我们认为它将成为一个新的方法论，为大分子体系的高分辨动力学测量和预测以及靶向药物设计带来全新的思路和策略。”该论文的审稿人也表示，本研究代表了该领域的一个重大进展。

（来源：Nature）

从45000多张图样挑选300万个颗粒图像

在本研究中，为了实现时间分辨率，毛有东团队一共采集了45000多张图样，从中挑选300多万个颗粒图像，需要分析的数据量异常庞大。为此，该团队优化了分类算法，使其分析速度比其它软件快5-6倍。相比之前的研究，毛有东团队分析的数据量提升了一倍，并且还实现了时间分辨率。

（来源：Nature）

值得一提的是，毛有东团队在通过高分辨分子去还原整个动态过程时，发现了许多瞬态的分子构象，也就是前文所提的出现概率非常低的构象。这是他们一开始并没有预想到的。

毛有东教授表示，重要的科学发现往往需要技术上有突破，同时也需要对科学问题有全面和深入的解析。尽管本研究更多是一个科学发现，但却是借助于新技术的深入开发。凭借着新技术的帮助，他们才得以在原子水平直观地观察到大型复合物的完整动力学过程。

在毛教授眼中，科学研究研究模式主要有两种：一种是利用手上现有的工具，去解决可以解决的问题；另一种是开发新工具，去解决目前仍然无法解决的问题。前者以研究速度取胜，后者以取得突破性创新成果取胜。“本研究好比造桥，当缺少工具时，就先开发工具，再把桥造出来。”毛有东表示。

除了科研方法和学术成果，毛有东也很重视研究哲学。他说，科学发现依赖于技术改进，而判断技术进步的标准之一是这项技术创新是否促成了重大科学发现。

他进一步指出：“科研工作者应该更加重视开发新的技术，来解决一些‘卡脖子问题’。技术进步和科学发现，就像人的两条腿在走路，是互助互动的。”

对于技术转化，他也有一些思考：“国内投资机构更多愿意支持模仿性技术的创业；然而，美国投资机构则更愿意优先投资原创性强的项目。国内产业转化模式的局限性，可能是为何目前存在前沿科技‘卡脖子’问题的原因之一。”

-End-

支持：大义

1、Zhang, S., Zou, S., Yin, D. et al. USP14-regulated allostery of the human proteasome by time-resolved cryo-EM. Nature 605, 567–574 (2022). https://doi.org/10.1038/s41586-022-04671-8