赛多利斯科学仪器(北京)有限公司
10月9日，2024年诺贝尔化学奖授予David Baker、Demis Hassabis和John Jumper，以表彰他们在蛋白质设计以及蛋白质结构预测领域做出的杰出贡献。
近年来，AI药物迅猛发展，其中，蛋白质从头设计无疑是AI设计药物中的重头戏与热点。该技术不仅能设计针对不可成药靶点的药物和自然中不存在的蛋白质，还大大缩短了药物研发的周期。
被誉为“上帝之手”的华盛顿大学教授David Baker是该领域的佼佼者，发CNS发到手软。当然，AI设计能力再强，也需要通过实验手段去表征设计的蛋白。比如，使用基于生物层干涉技术（BLI）的Octet® 非标记分子互作系统检测设计的蛋白与靶点的亲和力。目前，David Baker课题组已使用Octet® 检测蛋白亲和力发表了近80篇文章，其中CNS正刊文章就超过20篇！(部分文章列表见文末)
这里，陈老师就介绍一下他今年发表的几篇CNS文章。
pM级别亲和力的新冠抑制剂[6]
Science
在当时新冠病毒肆虐时，David Baker课题组用计算机软件设计了针对新冠病毒S蛋白的小蛋白抑制剂，通过一系列分子进化以及生化学方法检测后，大部分的抑制剂的中和新冠病毒活性达到了几十pM级别的IC50，其中一个蛋白抑制剂达到11pM的IC50，是当时知道所有新冠抑制剂中最强的！文中进行了两种设计路线：
方法1：围绕ACE2与S蛋白结合的α-螺旋结构域设计
方法2：与S蛋白的RBD结构域对接来设计
