Идентификация и инженерия высокофункциональных потивирусных протеаз в клетках с использованием коэволюционных моделей

Более острые молекулярные ножницы для науки и медицины

Современная биология часто опирается на крошечные молекулярные «ножницы» — протеазы, которые разрезают белки в нужном месте. Эти расщепления могут включать или выключать клеточные процессы, помогать очищать синтетически полученные белки или приводить в действие сконструированные генетические цепи. Тем не менее для одной большой семьи вирусных протеаз, широко используемых в исследованиях, их сила и точность реза до сих пор не были полностью охарактеризованы. В этом исследовании предложен подход, основанный на данных, для обнаружения, предсказания и перепроектирования этих протеаз так, чтобы они работали лучше и избирательнее внутри человеческих клеток, открывая путь к более чистым биотехнологиям и даже к целевому уничтожению вредных клеток.

Почему вирусные режущие белки важны

Работа сосредоточена на NIa-протеазах, ферментах из потивирусов, поражающих растения. Один представитель этой семьи, протеаза вируса табачного этира (TEVp), стал стандартным инструментом в белковой инженерии, поскольку распознаёт очень специфическую семиаминокислотную последовательность и разрезает в определённой точке. Но TEVp — лишь одна из более чем 3 800 родственных протеаз, способности которых в основном остаются неизученными. Если учёные смогут системно понять, какая протеаза разрезает какую последовательность и как тонкие изменения последовательности влияют на активность, они смогут подставлять более подходящие «ножницы» для лабораторной работы, создавать более сложные синтетические цепи в клетках и проектировать протеазы, реагирующие только на заболевания, связанные с конкретными мутациями.

Извлекая уроки из природных закономерностей

Чтобы решить эту задачу, авторы собрали 3 817 природных пар потивирусных протеаз и их соответствующих белковых мишеней, включая не только центральный семиаминовый сайт разреза, но и окружающие аминокислоты. Затем они построили ProSSpeC — вычислительную модель, которая ищет коэволюционные паттерны между протеазой и её субстратом — позиции, изменяющиеся совместно в ходе эволюции, чтобы сохранить хорошее соответствие. Используя схему оценки, вдохновлённую физикой, модель присваивает каждой паре протеаза–субстрат оценку специфичности: чем более благоприятен (более отрицателен) балл, тем выше вероятность эффективного расщепления. Вычитая паттерны, возникающие из общей схожести, а не из реального взаимодействия, ProSSpeC фокусируется на признаках, которые действительно важны для распознавания и разрезания нужного сайта.

Проверка предсказаний в человеческих клетках

Далее команда проверила, действительно ли эти численные оценки предсказывают поведение в живых клетках. Они разработали флуоресцентный анализ в человеческих клетках, где успешный разрез восстанавливает разделённый красный флуоресцентный белок, дающий яркий сигнал, нормализуемый относительно зелёного репортера. Тестируя десятки комбинаций протеаза–субстрат, они обнаружили, что пары с более сильными оценками ProSSpeC, как правило, давали более яркие сигналы, и что природные протеазы обычно предпочитали свои собственные нативные целевые последовательности. В 225 комбинациях 15 протеаз и 15 субстратов вычислительные оценки хорошо коррелировали с измеренной флуоресценцией и точно различали режущие и нережещие пары, даже когда учитывался только семиаминокислотный основной мотив.

Тонкая настройка разрезов по одному строительному блоку

Поскольку ProSSpeC работает с разрешением до одной аминокислоты, авторы использовали её, чтобы изучить, что происходит при изменении всего одного строительного блока в целевой последовательности. Для нескольких пар протеаза–субстрат они предсказали мутации, которые должны либо усилить, либо ослабить расщепление, затем создали эти варианты и измерили их активность. Изменения оценки модели хорошо соответствовали изменениям флуоресценции, подтверждая, что она способна предвидеть, как одна остаточная замена влияет на работу. Модель также подчёркивала важность более широкой последовательностной среды вокруг центрального сайта: замена простой повторяющейся мотивации естественным 20-аминокислотным окружением часто увеличивала расщепление в несколько раз, что подтверждает идею о том, что фланкирующие остатки, сформированные эволюцией, тонко настраивают распознавание.

Запрограммированная гибель клеток по команде

Чтобы продемонстрировать, что даёт такая степень контроля, исследователи создали наглядный эксперимент в человеческих клетках. Используя свои предсказания, они нашли протеазу, которая разрежет слегка мутированную версию целевого сайта, но оставит нетронутой исходную версию. Затем они построили варианты Caspase-3, ключевого исполнителя запрограммированной клеточной гибели, несущие либо нормальный, либо мутировавший сайт. В смешанных популяциях клеток инженерная протеаза селективно активировала Caspase-3 только в клетках с мутантной последовательностью, вызывая их апоптоз и щадя соседние клетки. Эта схема «synpoptosis» показывает, что дизайн протеаз, основанный на коэволюции, можно использовать для обнаружения одно-аминокислотных различий и преобразования их в решения «жизнь или смерть» для клеток.

Что это означает в перспективе

Для неспециалистов главный вывод в том, что авторы преобразовали рассеянные эволюционные подсказки в последовательностях белков в практический инструмент проектирования молекулярных ножниц. ProSSpeC не только находит протеазы, превосходящие стандартную лабораторную рабочую лошадку вроде TEVp, но и объясняет, какие контакты между ферментом и мишенью имеют наибольшее значение, даже когда они действуют на расстоянии. Хотя есть ограничения для последовательностей, далеких от всего, что встречается в природе, модель уже даёт исследователям способ просматривать и перепроектировать тысячи вирусных протеаз для более чистых разрезов и индивидуальной специфичности. В долгосрочной перспективе такие инструменты могут помочь создавать более умные клеточные терапии, лучшие диагностические методы и программируемые системы, которые редактируют белковые сети внутри клеток с той же точностью, которую CRISPR принес для ДНК.

Цитирование: Lim Suan, M.B., Ziegler, C., Syed, Z. et al. Identification and engineering of highly functional potyviral proteases in cells using co-evolutionary models. Nat Commun 17, 3257 (2026). https://doi.org/10.1038/s41467-026-69961-5

Ключевые слова: инжиниринг протеаз, коэволюционное моделирование, синтетическая биология, запрограммированная гибель клеток, специфичность белков