设计刚性蛋白基准标记以可视化GPCR构象状态
Designing rigid protein fiducials to visualize GPCR conformational states
研究团队将生成式蛋白设计与基于深度学习的集合预测结合,设计出可用于冷冻电镜的基准标记,以解析GPCR构象状态。他们高通量测定了四种具药物相关性的GPCR非活性态结构,并为β2肾上腺素受体构建胞外标记,在无G蛋白条件下观察关键胞内基序的重排。与近期共折叠模型比较后,作者指出当前方法在预测配体诱导的GPCR构象上存在明显差距。
论文将生成式蛋白设计与深度学习集合预测结合,为GPCR难以捕捉的构象状态提供可迁移的结构解析思路。
已发表论文 · journal · 10.1038/s41467-026-78942-7
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 18.9 · 2025 · 期刊参考指标
G蛋白偶联受体(GPCR)能够介导精确的配体特异性信号传导特征,但在没有信号伙伴或模拟物的情况下,可视化配体如何改变受体构象景观一直是一项挑战。在此,我们证明,通过将生成式蛋白质设计与基于深度学习的系综预测相结合,我们可以可靠地设计基准标记(fiducial markers),以便在任意融合位点对GPCR进行冷冻电子显微镜(cryoEM)成像,从而实现此前难以捕捉的状态的可视化。我们通过对四种具有药物相关性的GPCR的非活性状态结构进行高通量测定来验证该方法,从而在每种情况下都解析出受体药理学的关键细节。随后,我们为典型的β2肾上腺素能受体设计了一种胞外基准标记,使得在没有G蛋白的情况下,能够直接对关键胞内基序的重排进行结构表征。与最新的共折叠模型的比较凸显了当前方法在预测配体诱导的GPCR构象方面存在的重大差距。这些结果提供了一个通用框架,可用于获取小分子动态蛋白质传统上难以触及的结构状态。通过冷冻电镜可视化药物如何重塑GPCR受体,对于许多构象状态而言一直十分困难。在此,作者使用设计的蛋白质基准标记对难以捕捉的GPCR状态进行成像,揭示了配体诱导受体激活的细节。
来源:Nature Communications · doi.org