Baker 团队发布 RFdiffusion3：蛋白质设计精确到"单个原子"，一次实验就设计出能用的酶

导语（一句话先说结论）

诺奖得主 David Baker 所在的华盛顿大学蛋白质设计研究所（IPD）发布新一代生成式 AI 模型 RFdiffusion3（RFD3）：它把蛋白质和核酸的设计从"氨基酸层面"推进到单个原子层面，可以先规定"要哪些原子、摆在哪里、怎么成键"，再让模型倒推出一整条能折叠、能工作的分子。论文已登上 Science，并在实验室里真正做出来两类能干活的人工酶——一类能降解有毒有机磷，一类能精准切开与淀粉样变疾病相关的肽段。

3分钟看懂版

• 这是什么：RFD3 是一个"自由原子扩散"的生成式模型，统一建模蛋白质主链、侧链以及核酸里的原子，专门解决"复杂功能位点"（酶活性中心那种）的设计难题。
• 比上一代强在哪：RFDdiffusion（2023，Nature）负责造新蛋白形状，RFdiffusion2 能围绕少量关键原子搭酶骨架，但仍偏残基层。RFD3 直接把原子当设计单位，可以同时安排侧链、金属离子、底物的精细相互作用。
• 硬指标：41 项酶活性位点设计任务里 37 项优于 RFD2；典型长度蛋白生成速度比 RFD1/BoltzGen 快 2 倍以上；57 项 RNA 结构设计测试中 21 项达到高一致性（对比模型只有 10 项）。
• 真做出来了吗：是。两轮"零样本"实验（一次报 96 / 192 个候选）直接跑出有催化活性的人工酶，其中一类还是天然界极难从头设计的复杂金属酶。
• 一句话价值：AI 蛋白设计从"能预测形状"正式迈进"能设计功能"，而且这次是拿真实验数据兜底的。

RFD3 到底解决了什么难题

蛋白质设计的难点，早就不是"画出一个长得对的形状"了。真正的门槛在于功能位点：一个酶之所以能催化反应，靠的是几个关键氨基酸侧链、可能还有金属离子和小分子底物，在三维空间里以非常精确的方式配合。差几个原子，催化剂就变成一堆废骨架。

此前的方法大多在"氨基酸残基"这一级做扩散。这足以摆出整体折叠和蛋白-蛋白相互作用，但要精细地摆布含金属、含配体、含核酸的活性中心，就力不从心。RFD3 换了个思路：把主链、侧链、核酸中的原子放进同一个建模框架，允许研究者直接指定关键原子的空间位置、氢键关系、底物朝向、原子埋藏程度，然后由模型生成满足这些约束的分子骨架。用一句话概括流程就是——先定功能需要怎样的原子排列，再让 AI 去找能实现它的分子结构，而不必事先决定催化残基排在序列的第几位。

两种"从零造出来"的人工酶

1. 降解有机磷的磷酸三酯酶（模型底物：对氧磷）

有机磷化合物广泛用于农药、阻燃剂，部分毒性强又难降解。天然磷酸三酯酶的活性位点很"奢侈"：需要 6 个催化残基、2 个金属离子，外加一个特殊的赖氨酸修饰（氨甲酰化），这种空间约束过去几乎无法从头设计。团队先用量子化学建出催化过渡态模型，再用 RFD3 生成骨架，配合 LigandMPNN、AlphaFold3 做序列设计与结构筛选。

• 首轮 96 个候选设计中，4 个表现出催化活性，最活跃的 ZAPP-1 能多轮催化，kcat = 0.015 ± 0.003 s⁻¹。
• 第二轮又做了 192 个设计，拿到覆盖 4 种不同蛋白骨架的多个活性酶，其中 ZAPP-2 的催化速率相比无催化条件提升约 50 万倍。

2. 精准切割 TTR 肽段的锌蛋白酶

转甲状腺素蛋白（TTR）异常折叠和聚集，会损害心脏、神经和肾脏，是淀粉样变疾病的关键。团队用 RFD3 设计能识别并切开特定 TTR 来源肽序列的人工蛋白酶：

• 96 个候选中有 56 个切割率超过 10%；
• TTRg11 能在 1 小时内切掉大部分目标底物，质谱证实切割发生在预定位置；
• 未经实验优化的催化效率 kcat/KM = 1100 ± 300 M⁻¹s⁻¹，处在天然蛋白酶区间（多在 10⁴–10⁸）的低端；对目标底物的活性明显高于其他 6 种疾病相关肽。

有意思的是，"分子剪刀"主题下，IPD 同期还有两篇 Nature 论文，报告用计算方法从头设计出半胱氨酸蛋白酶和锌蛋白酶，同样能在活细胞里工作。RFD3 这一篇可以看作这条技术线在"原子精度"上的进一步升级。

怎么用 / 对谁有用

• 做酶工程 / 合成生物学的人：RFD3 把"指定功能原子 → 得骨架"变成可操作流程，适合拿来设计非天然催化反应、降解特定污染物的生物催化剂。
• 做药物研发的人：可以设计"能反复切割目标蛋白"的蛋白酶（而不是只黏住一个靶点的抗体/小分子）。由于一个酶能循环切割成千上万个靶标，理论上可用更低剂量达成效果。"分子剪刀"这类工具还可能用于清除神经退行疾病里堆积的错误折叠蛋白。
• 做 RNA 的人：RFD3 把设计能力扩到 RNA 和蛋白-核酸混合体系，为 RNA 适配体、核酶等打开了新路径（不过这部分目前多以计算预测为主）。

哪些还不适合 / 别过度解读

• 不是成药：论文只证明"能设计出有活性的酶"，不能证明 TTRg11 能在人体内清除淀粉样沉积，离治疗药物还很远。
• 催化效率仍偏低：TTRg11 的 kcat/KM 在天然蛋白酶区间的低端；磷酸三酯酶的 kcat 也还很小。要提高效率、稳定性和安全性，还需大量后续工作。
• RNA 成果偏计算：部分 RNA / 核酸设计目前主要靠计算预测，仍待更多实验验证。
• 依赖配套工具链：RFD3 通常要和 LigandMPNN、AlphaFold3 等工具配合使用，不是一键出结果的"黑箱"。

行动建议

• 第一步：读 Science 原文（DOI 见来源区）与 EurekAlert 官方摘要，弄清 RFD3 的输入约束格式。
• 第二步：关注 IPD 后续是否开源 RFD3 代码/权重——RFdiffusion 前两代都已开放，第三代的开源节奏会决定它被多快用起来。
• 第三步：如果你的课题涉及"非天然催化"或"可循环切割的靶向蛋白"，可以把 RFD3 列为下一代设计 pipeline 的候选骨干。

参考来源（基于多家媒体转述整理）

• Science 原文（First Release）: https://www.science.org/doi/10.1126/science.aeh2982
• EurekAlert（AAAS 官方新闻稿）: https://www.eurekalert.org/news-releases/1147251
• UW Medicine Newsroom（IPD 官方，配套"分子剪刀"）: https://newsroom.uw.edu/news-releases/molecular-scissors-open-path-to-new-therapies
• GeekWire（独立报道）: https://www.geekwire.com/2026/institute-led-by-uw-nobel-winner-uses-ai-to-build-molecular-scissors-targeting-disease-proteins/
• phys.org（独立报道）: https://phys.org/news/2026-10-ai-molecular-scissors-protein.html
• bioengineer.org（独立转述）: https://bioengineer.org/rfdiffusion3-designs-proteins-and-nucleic-acids-atom-by-atom-with-striking-precision/
• 36氪（中文）: https://36kr.com/p/4027795416814215
• 医药魔方 ByDrug（中文）: https://bydrug.pharmcube.com/news/detail/54a0f1a34c8dea595b10cb264bd551cc

说明：本文按"基于多家媒体转述整理"口径写作，量化数据（任务数、kcat、kcat/KM、命中率等）均取自 Science 原文摘要、AAAS 官方稿与上述报道的一致表述，未做未公开数据的主观推断。