德克萨斯大学达拉斯分校的研究团队开发出一种名为 ProSSpeC 的机器学习模型，旨在解决蛋白酶工程中的预测难题，从而推动更精准的癌症治疗。蛋白酶在体内如同分子剪刀，负责切割蛋白质，是抗病毒药物和抗癌疗法的关键工具。然而，由于难以预测不同蛋白酶的具体行为，相关药物的研发长期进展缓慢。 ProSSpeC 模型通过整合生物工程、进化生物学和计算生物学，分析数百万年的进化数据，学习蛋白酶随时间演变规律。该模型能够预测特定蛋白酶是否能高效切割目标蛋白底物，无需在实验室进行大量试错。研究团队以植物病毒家族 Potyviridae 为研究对象，通过比对数千种相关酶的结构差异，识别出对功能至关重要的氨基酸序列。实验验证显示，该模型建议设计的工程化合成蛋白酶，其性能优于实验室常用的烟草花叶病毒蛋白酶，展现出巨大的应用潜力。 该项研究发表于《自然 - 通讯》，项目负责人德克萨斯大学达拉斯分校生物工程学副教授 Dingal 博士表示，这一预测方法为设计针对多种疾病的新酶打开了大门，有助于开发更精准有效的治疗方案。生物科学系副教授 Morcos 博士补充道，该模型相当于让自然进化引导分子工具的设计，大幅提高了研发效率。目前，研究团队已就部分新型酶申请了临时专利。博士生 Lim Suan Jr.作为共同第一作者，在跨学科项目中成功将计算模型与实验验证相结合，为未来药物开发提供了重要范本。