用AI设计蛋白质，快速将抗体变身为细胞内“迷你卫士”

胞内抗体是一类经工程改造后能在细胞内折叠并发挥功能的特殊抗体，它们可以与细胞内的生物分子结合，在治疗、诊断以及生物成像等方面具有重要潜力。例如，标记上荧光蛋白后，胞内抗体能照亮那些难以用绿色荧光蛋白（GFP）等传统基因融合标签成像的靶点，比如蛋白质构象、线性表位、大分子复合物以及化学修饰等。然而，胞内抗体制备一直面临巨大挑战。天然抗体的结构支架是在血液等胞外环境中进化形成的，依赖二硫键维持结构稳定，但细胞内的还原环境会破坏这些二硫键，导致抗体错误折叠、聚集或降解。因此，即便市面上和蛋白质数据库中有大量抗体，能在细胞内发挥功能的胞内抗体却很少。

为解决这一问题，研究团队开发了一种人工智能驱动的胞内抗体制备流程。该流程主要包括三个关键步骤：首先，利用ANARCI工具对抗体序列进行注释，提取出负责识别靶标的互补决定区（CDR）和起结构支撑作用的框架区；接着，通过LocalColabFold（整合了AlphaFold2和快速序列搜索工具MMseqs2）预测单链可变片段（scFv）与靶标复合物的三维结构；最后，将预测结构输入ProteinMPNN工具，固定CDR及附近关键残基，重新设计框架区的氨基酸序列，以提高其在胞内的溶解性和稳定性。之后，通过活细胞筛选验证设计出的胞内抗体是否有效。

研究团队首先以抗FLAG标签抗体和抗SARS-CoV-2核衣壳蛋白（NP）抗体为模型进行验证。结果显示，原本用传统方法无法转化为功能性胞内抗体的序列，经该AI流程优化后成功实现了在细胞内的特异性结合。随后，团队将重点放在组蛋白修饰的研究上。组蛋白修饰是基因组上的可逆化学标记（如乙酰化、甲基化、磷酸化等），与染色质结构和基因表达调控密切相关，但由于其动态可逆的特性，很难用传统基因标签进行活细胞成像。研究团队利用该AI流程，成功开发出一系列靶向组蛋白H3和H4多种修饰（如H3K27ac、H3S10ph、H4K16ac等）的胞内抗体（称为“mintbodies”），使这类抗体的数量增加了两倍。

通过实验验证，这些新开发的胞内抗体在活细胞中表现出良好的功能：它们能与靶标特异性结合，在抑制剂处理后会因靶标水平变化而改变亚细胞定位，且在还原环境中仍能正确折叠、保持单体状态。在26个测试的抗体序列中，有19个成功转化为功能性胞内抗体，成功率约73%，远高于传统方法5%-10%的成功率，其中18个序列是传统方法曾失败的。

这项研究表明，借助AI工具优化抗体框架区，可以高效将现有抗体序列转化为胞内抗体。随着抗体序列数据库的快速扩充，该方法将加速胞内抗体的开发，使其更易制备、成本更低，为生物研究提供强大工具。