BioTender · 观测日志

静态结构时代结束了?
MIT 推出通用多状态蛋白设计框架 SwitchCraft

Berger 组让一条序列同时学会几个动作,并且交出了初步湿实验数据

ICML 2026·MIT CSAIL·arXiv: 2605.31236

蛋白的世界从来不是静态的。马达蛋白、变构受体、聚合酶——真正干活的蛋白都在不断切换状态。

过去两年的 AI 蛋白设计有一个尴尬的共识:我们能造的,几乎都是"摆设品"。

RFDiffusion、BoltzDesign1,这些刷屏的工具本质上都在回答同一个问题——"给我一条能折叠成 X 形状的氨基酸序列"。但自然界里真正干活的蛋白,从来不是只有一个姿势:马达蛋白要走,ATP 合酶要转,聚合酶要边读边写,变构蛋白要在小分子结合的瞬间换骨架。这些"动起来"的功能,被现有的生成模型整体跳过。

MIT Bonnie Berger 组刚在 ICML 2026 放出的 SWITCHCRAFT(Bowen Jing、Mihir Bafna 共一),第一次把这件事系统化:让 AI 设计一条序列,这条序列在不同小分子在场时,能稳定地切换成不同的样子。

PaperSWITCHCRAFT 论文标题与作者列表。一作 Bowen Jing 同时也是 ProDiT 的作者,某种意义上是他自己推翻了自己之前那条 logit-tying 的多态设计路线。

而且,他们已经做了初步湿实验。

思路:用约束逼出"会切换"的序列

打个比方。传统蛋白设计像是让 AI 画一张静态画——给定主题,它画出来。SWITCHCRAFT 像是要 AI 设计一只折纸——同一张纸,折法不同会变成鹤、变成船、变成飞机,而且 AI 要保证三种折法都成立。

具体做法是:给 AI 同时下几条命令——"这条序列在没有小分子时要长这样""加了锌之后要长那样""加了 OQO 之后要长另一样"——然后让 AI 一边折一边算每个状态离目标差多远,把差距加起来当作总分,反复迭代直到分数够低。

SWITCHCRAFT 方法示意图 — Figure 1SWITCHCRAFT 核心机制:同一条序列 (MKVLEEKAIL) 被分别和不同小分子上下文(无 / Mg²⁺ / 色氨酸)一起 cofold,每个状态算自己的 loss,加起来反向更新序列。

听起来很笨,但在小分子能不能塞进 Boltz-1 这种结构预测模型之后,这套笨办法第一次真的跑通了。

六种"动作":从开关到三态切换

论文展示了六种基础设计原语,从最简单到最难依次是:开关型(正/负变构,小分子来了 motif 才稳定或才散架)、切换型(同一条骨架,小分子在不同状态时活的部分不一样)、诱导结合型(只有效应分子在场时,蛋白才能粘上目标)、配体修饰型(同一个小分子的不同化学状态——比如血红素加氧——驱动构象切换)、三态切换型(两种不同小分子各对应一个状态,加上无小分子状态共三个)。

六种多态设计原语 — Figure 2六种设计原语对应的 loss 组合。每个原语都是几个 loss 函数的相加,这套写法非常接近深度学习里的训练目标设计——蛋白设计第一次有了"组合性"。

最简单的开关型已经能跑出有趣的设计。下图是几个具体例子:同一段 motif(青色),在没有小分子时是一种构象,加上 Mg²⁺ / OQO / FAD / 双链 DNA 后整个骨架被推动重排。

正/负变构设计实例 — Figure 3正/负变构设计的代表案例。横跨小分子、金属离子、双链 DNA 三类效应分子。1YCR 与 dsDNA 的组合甚至出现了 fold switching——这是过去手工设计难以企及的复杂度。

最难的三态切换型尤其惊人:他们设计的一段 50 残基微蛋白,同一段 loop 在无小分子时形成 Glu/Arg 盐桥、在 OQO 结合时形成疏水口袋、在钙离子结合时形成配位位点——一段序列,三种局部功能。

四种复杂设计原语案例 — Figure 4四类复杂多态设计案例:Motif Switching、Ligand Modification(血红素加氧)、Induced Binding(钙诱导结合 Top7)、Ligand Discrimination(三态切换)。右下角那个三态设计是全文最炫的一个。

真·湿实验:无锌不结合,加锌才结合

论文附录里藏着一组很容易被忽略但其实最重要的数据。他们用"诱导结合"这个原语,设计了一组只有锌离子在场时才结合 PD-L1 的蛋白,真的合成出来用 BLI 测了三复合:

设计 2874:无锌时检测不到结合;加到 20 µM 锌时亲和力 K_D = 1.9 µM,100 µM 时 2.6 µM。
设计 278:无锌时检测不到结合;50 µM 锌时达到亚微摩尔级 K_D = 746 nM。

BLI 测量数据表 — Table 4SwitchCraft 设计的 Zn²⁺ 诱导 PD-L1 binder 的 BLI 数据。两个设计在 0 µM 锌时均无结合检测,加锌后均出现可测量的 µM 级亲和力。"n.r." 表示检测到结合但 KD 未能解出。

亲和力还不算顶尖,但"没有效应分子就不结合,有效应分子才结合"这件事真的成立了。在一篇主打"我提了个新框架"的论文里,这是相当扎实的一笔。

应用:做一个 SAM 荧光探针

最后他们做了个像样的应用——荧光生物传感器。

荧光探针的传统做法,是先找一个天然的"会动"的蛋白,再把发光的 cpGFP 塞进去。蛋白动一动,发光强度就会跟着变。问题是:新的小分子需要新的"会动的蛋白",通常要做好几年的定向进化。

SWITCHCRAFT 直接绕开这个前提——它自己设计这个"会动的蛋白"。论文里给 SAM(S-腺苷甲硫氨酸,一种关键代谢物)设计的传感器,小分子结合后,Glu74 残基从发色团附近甩开 14.7 Å——展现了与 2022 年那个尼古丁传感器同样的"解淬灭"机制(对照里 Glu78 位移 14.1 Å)。

SAM 传感器与尼古丁传感器机制对比 — Figure 5左:已知的尼古丁传感器(PDB 7s7u/7s7v),Glu78 在 ligand 结合时位移 14.1 Å,把对发色团的淬灭"解除"。右:SwitchCraft 设计的 SAM 传感器,Glu74 位移 14.7 Å——机制几乎一一对应。

这部分目前还只跑到电脑预测,没做湿实验荧光数据。但路线证明已经足够。

绝对成功率仍然偏低,有些设计的构象变化在物理上不太合理(没考虑动力学路径)。但"AI 能不能设计会动的蛋白"这个问题,从此有了肯定回答。

蛋白设计的"静态时代"翻篇了

SWITCHCRAFT 不是没有问题。但下一步如果能把动力学约束写进去,再加上原子级精度的位点设计,这条路线在原理上可以走到多步酶催化、走到马达蛋白循环。

论文结尾说"多态设计是一门描述自然功能的语言"——读完这篇,你会相信这话不是空话。

◆◆◆