要說誰是當今世界級的合成蛋白質設計大師，美國華盛頓大學的David Baker教授當之無愧，目前，他發表了500多篇研究論文，獲得了100多項專利，并與他人共同創立了11家公司。
在2019年還利用計算機游戲Foldit發表了一篇Nature（doi:10.1038/s41586-019-1274-4），從而使得公民科學家（citizen scientist）首次成功地設計出合成蛋白。
TED邀請他作的演講，編輯搬到這啦，有興趣可看看哦~
近日，該課題組又發了一篇Nature，主要是關于模塊化蛋白生物傳感器的從頭設計，可為新冠病毒檢測提供更快的檢測。
天然存在的蛋白質開關已被重新用于開發用于細胞和臨床應用的新型生物傳感器和報告分子，但此類開關的數量有限，并且由于每個開關的不同，對其進行工程設計通常具有挑戰性。有鑒于此，美國華盛頓大學的David Baker和Byung-Ha Oh等研究人員合作實現模塊化蛋白生物傳感器的從頭設計。并作為一種新的方法來檢測構成新型冠狀病毒的蛋白質以及針對它的抗體。他們設計了基于蛋白質的生物傳感器，當與病毒成分或特定的COVID-19抗體混合時會發光。
這一突破可以在不久的將來實現更快、更廣泛的測試。
研究人員表明，可以通過從頭設計的蛋白質開關反轉信息流來創建非常通用的蛋白質生物傳感器，其中肽鍵的結合會觸發所需的生物輸出。
研究人員通過創建生物傳感器來證明了該平臺的模塊化，該生物傳感器幾乎沒有進行優化，可以靈敏地檢測抗凋亡蛋白Bcl-2、IgG1 Fc結構域、Her2受體和肉毒桿菌神經毒素B，以及心臟肌鈣蛋白I和一種抗乙型肝炎病毒（HBV）抗體，并可達到檢測這些分子臨床相關濃度所需的亞納摩爾級敏感性。
研究人員使用該方法設計了針對SARS-CoV-2蛋白表位的抗體和SARS-CoV-2突刺蛋白的受體結合域（RBD）的傳感器。后者結合了從頭設計的RBD結合分子，其檢測極限為15 pM，背景信號超過50倍。
本文研究表明，平臺的模塊化和靈敏性可快速構建適用于各種分析物的傳感器，并強調了從頭進行蛋白質設計的能力，這能夠用于創建具有新功能且有實用性的多狀態蛋白質系統。
值得注意的是，David Baker等研究人員在上一年8月份時候在Science發表了關于通過設計蛋白質合成可實現精確靶向細胞表面抗原。描述了一種新的“分子計算機”找到合適的細胞，且這些“分子計算機”全部依靠自己來運行，并且可以搜索經過編程查找的單元
當然，作為鼻祖級玩家，Nature Science都是發到手軟的，下面放一些近年來發發在Nature/Science上的一些栗子。
通過借助計算機和學習自然界蛋白質的結構，該課題組開創出自然界不存在的新蛋白質，真正實現了學習自然，超越自然！
也許這就是科研的最高境界
參考文獻：
1. Alfredo Quijano-Rubio, et al. De novo design of modular and tunable protein biosensors. Nature, 2021.
DOI：10.1038/s41586-021-03258-z
https://www.nature.com/articles/s41586-021-03258-z
2. https://www.bakerlab.org/
