配基蛋白开发，谁能打破天然配基的局限？

配基蛋白开发，谁能打破天然配基的局限？

重组蛋白纯化领域有一个简洁而有力的理念：利用生物分子间高度特异性的可逆结合，从复杂混合物中精准捕获目标蛋白。亲和层析正是这一理念的产物。而实现精准捕获的关键，是固定于层析介质上的那把“分子钥匙”——配基（ligand）。

从天然金黄色葡萄球菌A蛋白（Protein A，SpA）到重组融合蛋白AG，从多组氨酸标签到人工设计的仿生多肽，配基蛋白的每一次进化都在拓宽亲和层析的应用边界。如今，AI蛋白质设计技术的介入，正在把这把“分子钥匙”的制造从漫长的自然筛选和定向进化，推向按需设计的可编程时代。

Molecular Scaffold of Affinity Ligand & Digital Computing Network

一、配基：亲和层析的“分子识别核心”

亲和层析之所以能实现高度特异性分离，根本原因在于配基与目标蛋白之间的分子识别。配基被共价偶联至层析介质表面。当含有目标蛋白的样品流经层析柱时，目标蛋白的空间结构与配基高度互补，通过氢键、疏水相互作用、静电作用等非共价力被选择性捕获；非目标蛋白则被清洗缓冲液带走。

配基的选择，是决定亲和纯化成败的第一步。一个理想的配基蛋白应当具备三个特征：高特异性——只与目标蛋白结合，不与非目标分子发生交叉反应；合适的亲和力区间（通常KD 10⁻⁸~10⁻¹⁰ M）——在上样低浓度条件下能高效捕获，同时后续低pH条件下可完全洗脱，避免过强亲和力导致洗脱收率损失；以及良好的化学稳定性——能耐受清洗和洗脱条件（如低pH、高盐、强碱等），便于介质再生和重复使用。

当缺乏通用配基时，还有一种可行的方案：在目标蛋白上融合亲和标签，如His标签、FLAG标签、Strep标签等，再用相应的固定化配基进行捕获。这一策略将配基开发问题转化成了融合蛋白设计问题，但本质上仍然依赖配基与标签之间可靠的特异性相互作用。

二、天然配基的经典应用与固有局限

在众多天然来源的配基蛋白中，Protein A的应用最为广泛。

Protein A源自金黄色葡萄球菌细胞壁，能以高亲和力特异性结合人IgG抗体的Fc片段，这一特性使它成为单克隆抗体纯化的核心配基。据市场研究机构恒州诚思调研统计，2024年全球Protein A亲和层析介质市场规模约10.41亿美元，预计到2031年接近22.22亿美元，年复合增长率约为11.3%。高速增长背后的驱动力，是单克隆抗体药物市场的持续扩张及其对高纯度抗体原料的刚性需求。

然而，以Protein A为代表的天然配基并非没有局限。除了Protein A，研究者还开发了其他天然配基蛋白，各有专长：Protein L 源自厌氧革兰氏阳性球菌 Finegoldia magna（原 Peptostreptococcus magnu）对κ轻链可变区具有很强的亲和力，专门用于含κ轻链的双特异性抗体、抗原结合片段和单链抗体等新一代抗体药物的捕获纯化；Protein G 源自链球菌（Streptococcus 属，Group C/G）则对不同物种的多种IgG亚类具有更广的识别能力。这三种蛋白共同构成了抗体纯化的配基矩阵。但它们有一个共同的短板——耐碱性普遍偏弱，传统野生型Protein A 配基的耐碱性普遍偏弱，在 0.5 M NaOH 条件下容易失活。经过数十年蛋白质工程改造，现代商业化耐碱型 Protein A（如 MabSelect SuRe™ 等）的碱稳定性已大幅提升，但进一步提升耐碱性以延长介质寿命、降低生产成本，仍是产业界的持续追求。

三、配基设计的理性化探索

为了突破天然配基的局限，研究者开始探索仿生多肽配基的理性设计路径。

仿生多肽配基以天然蛋白-蛋白相互作用界面为模板，提取相互作用中的“热点”残基，将其浓缩至短肽序列中，再通过分子模拟优化空间构型和静电分布，最终获得高特异性、高稳定性的合成配基。针对特定目标蛋白，传统策略需要构建庞大的配基库并通过高通量筛选逐步收敛，工程上需要大量试错才能找到合适的候选。

尽管如此，仿生多肽配基在多个方向已展现出应用潜力。在病毒载体纯化领域，研究者已将仿生多肽偶联至琼脂糖微球，成功制备出用于腺相关病毒纯化的通用型亲和介质——通过调控活化基团密度和多肽配基浓度，可获得配基密度为2.2-5.6mg/mL  的多肽亲和介质。在抗体纯化领域，静电耦合-多肽亲和多模式层析介质利用七肽配基通过静电作用诱导抗体吸附，在保持亲和特异性的同时显著提升了吸附容量。在胶原蛋白配基开发中，研究者基于糖蛋白VI-胶原界面的热点残基设计了一系列多肽配基，并通过实验验证了其结合活性。

然而，传统仿生配基设计的核心瓶颈始终存在：配基候选空间的探索效率受限于设计通量和筛选能力，往往只能在天然模板附近做局部微调，很难跳出已有框架发现全新的配基骨架。

四、配基蛋白的智能化设计与升级

AI Workflow for De Novo Ligand Protein Construction

AI蛋白质设计技术的成熟，正在从根本上改写配基蛋白的开发范式。

传统的配基蛋白开发——无论是从天然来源筛选还是基于模板进行理性改造——本质上是“从已知到已知”的过程。AI将这一逻辑逆转：研究者不再需要在天然蛋白库中寻找现成的配基模板，而是直接从目标靶点的结构信息出发，让算法从头设计出高亲和力、高稳定性的全新配基蛋白。

天鹜科技与金赛药业的合作项目提供了一个典型样本。为开发针对非抗体类治疗蛋白的耐碱亲和填料，团队将目标锁定在结构更简单的纳米抗体（单域抗体，sdAb）上。

据天鹜科技公开披露，其利用蛋白质工程通用大模型，在不到一年时间内将一个普通的非耐碱单域抗体的耐碱性提升了4倍，并成功应用于5000升规模的生产线。该产品被认为是全球首款经大模型设计实现5000升工业化生产的蛋白质产品。在产业应用层面，该技术可将单域抗体改造为工业级耐碱亲和填料，在GLP-1、细胞基因治疗载体蛋白、腺相关病毒颗粒等分子的纯化上具有应用潜力。

这一案例展示的是一种通用能力：AI平台通过少量湿实验闭环迭代验证，能够精准定向改造配基蛋白的多重性能指标——包括亲和力、特异性、耐碱性、热稳定性等——将配基蛋白开发从漫长的手工筛选转化为可预测、可批量化交付的工程化流程。

五、技术闭环正在成型

Closed-Loop Iteration Pipeline

在AI蛋白质从头设计体系中，配基蛋白的开发正在成为“计算→设计→验证→迭代”全链路中高度活跃的应用场景。

上游，RFdiffusion/RFdiffusion2可针对目标靶点的表面关键热点残基，从头构建具有高度形状互补性的新型微型蛋白骨架，作为全新配基蛋白的起点。中游，ProteinMPNN依托深度学习架构，可在数小时内为给定的蛋白骨架生成数千条高表达、高稳定性的候选序列。这些虚拟序列无需经过传统方法中耗时数周的噬菌体/酵母展示文库构建与筛选流程，即可直接通过AlphaFold等工具进行结构预测与虚拟筛选，大幅缩短了从序列设计到候选确认的周期。这一技术路线的核心优势在于研发效率的提升，而非候选数量的规模超越——传统展示文库的多样性可达10⁷~10¹⁰级别，但受限于文库构建与筛选的物理流程耗时，难以快速完成多轮迭代优化。下游，AlphaFold系列模型的结构预测能力在配基-靶标复合物构建中提供精确的虚拟筛选，结合自动化表达纯化平台，快速将计算设计转化为可测试的蛋白样品。

亲和层析在其中扮演着双重角色：它既是这套流程的验证工具，也是其产业应用的最终出口。当研究者需要验证AI设计出的配基蛋白是否真的能够高特异性捕获靶标时，最直接的测试方式就是将其偶联至层析介质，进行真实的亲和纯化实验。从计算到实验的闭环，在此刻完成。

在产业维度，AI驱动的配基蛋白开发正在形成规模效应。天鹜科技自主研发的MatwingsVenus™（晓鹜™） 平台，以自然语言为入口，深度整合了200余种蛋白质设计工具、百亿级真实标签蛋白质数据库和30余个专家调优的skills。平台已在创新药、合成生物学等多个核心领域落地应用案例，用户通过自然语言对话即可完成从靶点分析到配基蛋白设计的全流程研发工作，同时支持一键下单自动化湿实验服务。这种将专业工具封装在智能体背后的设计理念，正在将原本只有大型药企或顶尖科研机构才能负担得起的配基蛋白定制开发能力，变得触手可及。

六、当配基蛋白进入“定制化”时代

从金黄色葡萄球菌细胞壁中提取的Protein A，到AI大模型从零设计的耐碱单域抗体配基，配基蛋白的开发走过了从自然发现到理性改造、再到按需定制的完整进化路径。

驱动这段演进的核心力量，是设计效率的根本性跃迁。在传统框架下，开发一个工业级配基蛋白需要跨越多道门槛：理解靶标的结构特征、构建筛选文库、多轮定向进化、高通量筛选验证——每一个环节都可能将研发周期拉长至数年。AI的介入把这些环节整合成了自动化流水线，将数年的工作压缩至数月甚至数周。

配基蛋白开发的智能化，不仅意味着研究者可以更快地获得性能更优的亲和纯化工具，更意味着亲和层析技术的应用边界正在被系统性地拓宽。当研究者能够根据任意靶标“按需定制”配基蛋白时，亲和层析将不再局限于少数已知亲和关系的纯化场景，而是成为一个真正通用的蛋白分离平台。

那把固定于层析介质上的“分子钥匙”，正在从自然赐予的工具，变成人类可编程的创造。而AI，正是开启这扇门的钥匙。