Anthropic研究人员近日利用先进人工智能技术，发现了一种此前未知的酶。这一成果标志着计算生物学领域的重要进展，展示了大型语言模型在揭示传统实验室方法难以捕捉的生物结构方面的潜力。
从序列到功能：AI重构发现路径
该酶属于促进生物体内化学反应的蛋白质家族。长期以来，科学家推测分子机器目录中存在空白，但常规筛选耗时且昂贵。Anthropic团队另辟蹊径，在海量已知蛋白质序列和结构数据集上训练AI系统。与仅预测现有酶变体不同，该模型生成了符合特定功能标准的全新候选者。
数据显示，该系统生成的序列在公共数据库中无高度匹配记录。随后，合作机构的实验团队合成该蛋白质并测试其活性。结果证实，该酶表现出自然界中尚未观察到的催化功能，能在受控条件下高效分解特定底物，且在比许多类似酶更宽的温度范围内保持稳定。
超越AlphaFold：聚焦功能而非结构
这一成就建立在DeepMind等机构早期工作基础之上。虽然AlphaFold极大提升了蛋白质结构预测能力，侧重于确定已知序列的三维形状，但Anthropic的方法更强调功能发现。该模型不仅预测蛋白质形态，还建议那些生物学家尚未遇到、但可能执行有用任务的序列。
类似于大型语言模型学习文本模式，这些“蛋白质语言模型”分析了数百万种氨基酸序列，掌握了分子生物学的“语法”规则，理解了哪些残基组合能形成稳定折叠，以及哪些排列能实现特定化学行为。研究团队结合UniProt、Protein Data Bank（PDB）及AlphaFold预测的结构信息进行训练，使系统深入理解序列与三维形态的关系。
严谨验证：穿透蛋白质组“暗物质”
实验验证需要计算团队与湿实验室团队的紧密协调。AI提出新序列后，研究人员订购合成DNA，在细菌细胞中表达并纯化分子。活性测定显示，该酶催化了涉及磷酸基团的反应，这是一种常见但高度特异的生化转化。X射线晶体学以高准确性确认了AI的结构预测，验证了模型对折叠原理的理解。
成功的酶从数千个候选者中脱颖而出。其氨基酸序列与任何已知蛋白质的同源性低于30%，处于生物学家所称的蛋白质组“暗物质”区域。这种遥远关系往往暗示在独特环境压力下进化的新机制。进一步分析发现，其催化残基排列与教科书常见基序不同，暗示了通向相似化学功能的独立进化路径。
行业影响与未来展望
这一发现对制药、农业和食品工业具有实际意义。酶在药物制造、作物韧性提升及乳制品生产等过程中发挥核心作用。新发现的独特特性酶可能为这些领域的工艺改进开辟道路。此外，该方法在应对抗生素耐药性方面潜力巨大，新型酶或有助于降解顽固的细菌防御机制。
行业观察人士指出，Anthropic提供计算专业知识，学术合作伙伴负责实验室验证，这种协作模式为未来研究树立了典范。目前，Anthropic尚未宣布对该酶或其衍生物的专利申请计划，引发了关于知识产权与开放科学的讨论。
展望未来，研究人员设想集成系统，使AI不仅能发现酶，还能建议最佳生产方法并通过定向进化提出改进方案。这种闭环平台有望大幅压缩从概念到工业部署的时间。尽管目前的模型在处理复杂多步催化循环时仍面临挑战，但这一成功案例证明，当计算工具与实验室方法协同工作时，能够显著扩展人类对自然世界的认知边界。