Nature Chemical Biology
单点突变偏好主导蛋白稳定性而非残基共变
小赛推荐：
该研究揭示了在蛋白设计中，单点能量偏好（H(seq)）比残基对共变（J(seq)）更能决定热力学稳定性，为酶工程和治疗性蛋白设计提供了新的理性设计策略，提示优化单点残基选择可能优于依赖共进化信息的传统方法。
文献概述
本文《Protein stability is determined by single-site bias rather than pairwise covariance》，发表于《Nature Chemical Biology》杂志，系统探讨了基于Potts模型的蛋白序列设计中，单点偏好与残基对共变对蛋白稳定性和功能的相对贡献。通过构建不同能量函数优化的序列，作者发现最大化单点偏好的序列具有远超共变优化序列的稳定性，颠覆了共变信息主导稳定性的传统认知。研究进一步在多个蛋白家族中验证该现象，并揭示共变信息更可能服务于功能（如酶活）而非稳定性。背景知识
蛋白质的天然结构与功能由其序列决定，而序列演化受到结构与功能的双重约束。在蛋白折叠和酶催化过程中，残基间的协同作用导致序列比对中出现统计性共变信号，这些信号被Potts模型等统计方法用于推断结构接触和功能位点。然而，尽管共进化分析广泛用于结构预测和功能位点识别，其在蛋白设计中是否真正提升稳定性仍存争议。当前蛋白稳定性预测模型常结合单点频率与残基对耦合，但无法区分二者独立贡献。
一个核心瓶颈在于：如何分离单点偏好与残基共变的影响？传统共识设计consensus design虽能获得稳定蛋白，但隐含了共变信息，难以解析其真实作用。本研究通过Potts模型显式分离hi(a)与ji,k(a,b)参数，构建不同优化策略的序列，精准解耦了这两个因素。选题切入点在于：若共变残基对确实增强稳定性，为何独立优化单点频率的策略（如祖先重建）也能获得超稳定蛋白？作者由此提出假设：单点偏好才是稳定性的主要驱动力，而共变可能服务于其他适应性功能，如底物识别或别构调控。
研究方法与核心实验
作者以DNA结合结构域homeodomain（HD）为模型系统，基于多序列比对（MSA）训练Potts模型，获得单点能量参数hi(a)和残基对耦合参数ji,k(a,b)。随后构建多种能量函数用于蒙特卡洛序列设计：ε(seq)H（仅单点）、ε(seq)HJ（单点+共变）、ε(seq)I（独立模型，隐含共变）。设计数千条序列后，表达并测定其热力学稳定性（ΔG°）和功能（DNA结合亲和力）。
为验证普适性，作者扩展至三个酶家族：腺苷酸激酶（AK）、二氢叶酸还原酶（DHFR）和磷酸甘油酸激酶（PGK），重复Potts建模与序列设计流程。通过CD谱监测变性曲线，拟合折叠自由能；通过稳态动力学测定kcat评估酶活。同时使用ITC测定HD蛋白的DNA结合热力学参数。关键结论与观点
研究意义与展望
该发现对蛋白工程领域具有深远影响：传统依赖共进化信息提升稳定性的策略可能并非最优，反而应聚焦于精确建模单点残基偏好。未来设计可优先优化H(seq)，再引入有限共变模块以恢复功能，实现稳定性与活性的平衡。
在药物开发中，针对酶靶点的变构抑制剂设计可能需重新评估共变网络的作用——这些网络可能维持催化构象而非稳定整体折叠。此外，该策略可用于增强治疗性蛋白（如抗体、细胞因子）的稳定性，延长血清半衰期。
结语
本研究通过严谨的Potts模型解耦分析，确立了单点残基偏好在蛋白稳定性中的主导地位，挑战了共变信息主导稳定性的普遍假设。这一发现为理性蛋白设计提供了新范式：稳定性源于对每个位点最优残基的独立选择，而非残基间的协同突变。对于遗传病相关错义突变的致病性预测，应更重视单点能量变化而非仅依赖共变信号。在疾病建模中，设计超稳定骨架可提高结构解析成功率；在基因治疗中，优化载体蛋白稳定性可提升递送效率。该研究为从分子基础到临床应用的全链条蛋白优化提供了关键理论支撑，有望推动下一代生物药和合成酶的设计。
