从读蛋白到写蛋白：Top7 的意义

天然口袋和天然界面已经把结构图带进小分子筛选：口袋图、短名单、板孔、结合曲线和功能读数一层层降温。到了 Top7，方向被反过来。屏幕上不再只是已有蛋白表面的一处凹陷，而是一套想写出来的折叠：设计模型、候选编号表、表达胶图、上清和沉淀记录、纯化峰、稳定性读数、结晶板照片、衍射斑点、电子密度图、结构叠合图和 PDB 坐标。Top7 的问题很直接：写蛋白，到哪一步才算真的写出来？

一串氨基酸留在屏幕上，只是设计承诺；模型里形状漂亮，也只说明它在计算世界里有希望；表达系统里出现一条带子，仍然不能说明它已经折成目标形状。Top7 的分量来自更慢的过程：设计序列要变成样品，样品要足够可溶、可纯化、稳定而均一，晶体和 X 射线数据要让实验坐标站出来，最后还要把这些坐标放进公共数据库，让后来的人能重新核对。每一道门都只回答自己的问题，不能替后一道门提前签字。

22.1路标回到样品台

Top7 曾经在 Rosetta 候选表里像一个早期路标。表格里的编号只说明一个可能答案：某条序列、某个目标折叠、几组分数和风险备注。回到样品台以后，这个编号要被写成 DNA，进入表达系统，从复杂混合物里分出来，在溶液中保持主要状态，再让晶体和坐标替它接受检查。路标变硬，靠这些外部记录一项项接上，名字本身不承担证明。

2003 年 11 月 21 日，Brian Kuhlman、Gautam Dantas、Gregory C. Ireton、Gabriele Varani、Barry L. Stoddard 和 David Baker 在 Science 发表 Design of a Novel Globular Protein Fold with Atomic-Level Accuracy。论文摘要把 Top7 描述为一个 93-residue alpha/beta protein，有新的序列和新的 topology。这里的 topology 可以理解为二级结构在空间中的连接方式：哪些片段先后出现，哪些彼此靠近，哪些绕到另一边。

这个作者名单本身也在提醒一件事：Top7 不是单个灵感把模型推到成功。计算设计要给出目标折叠和候选序列，蛋白化学要把候选变成可操作样品，结构生物学要把样品带到坐标层面。Baker lab 和 RosettaDesign 提供了关键路线，Kuhlman、Dantas、Ireton、Varani、Stoddard、Baker 这组作者则把计算、样品和结构验证放在同一件事里相互追问。

从头设计，也就是 de novo design，不等于凭空造物。它从目标形状和相互作用出发设计新序列，但使用的仍是人类从天然蛋白和实验结构中学来的化学原则：哪些主链角度常见，哪些侧链组合容易稳定，哪些表面安排更适合待在水里，哪些核心填充会让折叠更可靠。读蛋白时，这些原则来自已有序列和结构；写蛋白时，它们变成目标折叠旁边的一串约束。Top7 的反方向，指的是先设定折叠再找序列；它没有抛开读蛋白积累下来的规则。

这让 Top7 成为一块很特殊的路标。它接住了 Baker / Rosetta 线里反复出现的候选表、打分和失败回流，也把它们推向更硬的样品检查。一个设计项目如果只停在模型和分数上，仍然像一张方案图；Top7 要回答的是方案图能不能穿过真实样品、真实晶体和公共坐标。

22.2从目标折叠到候选序列

设计先从拓扑开始。研究者设想一条链怎样折成一组 secondary structure，二级结构，也就是局部常见形状。Top7 里有 alpha helix，也就是 α 螺旋，也有 beta sheet，也就是 β 折叠片。螺旋像规则卷起的弹簧，折叠片像几条伸展的链段并排贴合。它们各自好看还不够，必须按目标顺序连成一个新的整体折叠。

接下来要安排 backbone，主链。主链是蛋白质连续相连的骨架，像一条穿过所有氨基酸的线。主链形状决定螺旋、折叠片和环区的位置，也决定每个残基的 side chain，侧链，能伸向哪里。侧链是每个氨基酸伸出来的化学部分，决定它喜欢水、避开水、带正电、带负电，或者能不能形成氢键。主链给整体架子，侧链填化学细节。

一个设计序列还要照顾 hydrophobic core，疏水核心。疏水残基喜欢避开水，通常要藏在内部；带电或极性残基更适合留在表面，帮助蛋白和水相处。核心留空，结构会松；核心塞得过满，原子会互相撞；表面露出大块疏水面，样品容易聚集。长期实验结构积累下来的经验会在这里变成设计约束：碳氢丰富的残基常帮助填核心，带电残基常装饰表面，关键氢键要放在真正能帮忙的位置。

这些判断看起来发生在模型里，实际已经在替后面的实验预先排雷。核心空洞可能对应稳定性不足；表面疏水斑可能对应沉淀；不合适的带电残基可能让折叠代价变高；过分理想的氢键网络，到了水溶液里可能无法同时满足。写蛋白的第一道现实感，就来自这些会在样品端暴露的风险。

Top7 还需要 negative design，负设计。正向设计奖励目标结构里的好相互作用，负设计则要让其他错误折法不划算。若同一条序列除了目标折叠之外，还能用另一种方式形成差不多稳定的状态，样品可能分成多种构象，或者形成难处理的聚集物。写出目标结构的一面，同时还要削弱竞争结构的吸引力。

这些词如果离开样品就会显得抽象。放回 Top7，它们都指向一个朴素压力：一条链只有一个真实折叠机会。主链角度、侧链填充、核心紧密度、表面电荷和负设计检查，都是在提前问同一个问题：这条序列离开屏幕后，会不会自己跑向设计者希望的地方。

22.3模型表只完成第一道门

RosettaDesign 在这里承担的是把目标折叠、序列选择和回算检查连起来。Top7 论文摘要说，这套计算策略在 sequence design 和 structure prediction 之间迭代：先给目标骨架安排序列，再检查这条序列预测起来是否仍会回到目标附近。一个序列在目标模型里看着合适，并不保证它自己最愿意去的地方就是目标模型。回算检查把设计判断拉近后面要面对的实验问题。

候选编号表把这些判断写进一行行分数和备注。某个编号主链角度很好，核心里却留下空洞；另一个编号表面电荷更温和，环区却太长；还有的编号在结构预测回算时偏离目标，提示它可能有别的折叠去处。研究者会把模型旋到不同角度，看核心是否过满，表面是否露出大片疏水面，氢键是否只是看起来理想，局部残基是否挤到彼此重叠。

候选表只完成第一道门：这个设计在模型世界里是否值得继续。它还没有回答样品能否生产，能否留在上清，能否被纯化，能否形成稳定单一状态，能否进入结构解析。Top7 的后续价值，正是把这一行计算判断送进这些更慢的门。

这张表也不能只看最高分编号。若一批相似候选反复靠前，可能说明某组规则稳定，也可能说明模型在同一个误区里打转；若几个候选风险差异清楚，实验反而能更快分辨问题来自核心、表面、环区还是回算偏移。送进样品台的候选需要能制造、能比较，也要让失败有不同形状。

这也保护了 Baker / Rosetta 线的读法。前面的 Rosetta 候选表和失败回流说明方法怎样从错误中修补；Top7 则让其中一条设计判断接受样品和坐标的核对。前者把问题变得可返工，后者把一次关键结果变得可核对。两者连起来，留下的是计算设计和实验验证彼此校验的过程，单人传奇的读法放不进去。

候选表还会改变失败的形状。一个编号如果在回算中偏离目标，失败留在模型端；如果它被合成以后没有表达，失败进入样品端；如果它表达了却沉淀，问题又转到表面性质、核心稳定性和折叠路径。Top7 的意义正是在这些端口之间移动：每前进一步，问题都更具体，也更难用一句“模型好看”带过去。

这样的候选表还承担一种筛选伦理：它让项目先承认模型判断的轻重。分数高、回算接近、核心看起来紧，只能把一个编号送到下一道门；分数低、回算偏移、表面明显黏，则可以让一些序列停在屏幕上，不必消耗后面的样品和结构资源。Top7 的路标价值，不只来自最后成功，也来自这种把风险写在前面的顺序。

22.4样品先回答能不能活下来

候选表生成以后，屏幕上的编号还很轻。一个设计模型漂亮，样品可能完全没有 expression，表达。表达的意思是把编码序列放进细胞或其他系统，让系统生产出目标蛋白。进入实验前，研究者要把设计出的氨基酸序列反向写成 DNA 编码序列，合成或克隆进表达载体，再放进表达系统。RCSB 对 1QYS 的记录显示表达宿主是 Escherichia coli，也就是大肠杆菌。

编码序列和氨基酸序列要分开看。设计端写出的是氨基酸顺序，实验端需要把它变成细胞能读的 DNA。标签放在哪里、构建体边界怎么切、宿主系统能否处理这条链，都会影响第一张胶图。表达成功只能说明入口打开了一点，还没有说明蛋白已经采取目标形状。

表达胶图会给第一轮判断。若目标大小附近没有条带，说明候选几乎没有被生产出来；若条带很强，却主要出现在 pellet，沉淀里，说明蛋白可能折错或溶解性差；若上清里有清楚条带，候选才有机会继续。Soluble，可溶，指样品留在上清里；沉到底部的部分常常对应聚集或不溶状态。表达证明有样品入口，还不能证明它折对；可溶证明它暂时留在溶液里，也不能证明它已经采取目标结构。

胶图读起来像一排短线，实际把计算判断第一次交给细胞。目标条带太弱，可能要换诱导温度、表达时间或标签位置；条带很强但全在沉淀里，说明产量和可溶性已经分开；上清里有目标条带，也要看杂蛋白是否太多，后续纯化能否分开。计算模型不处理宿主细胞怎样生产这条链，表达系统会把这个问题变成可见记录。

能表达也只是入口。接着是 purification，纯化，也就是把目标蛋白从细胞裂解液里分出来。纯化柱上洗下来的峰如果尖而干净，样品更像一个统一对象；若峰拖尾、多峰，或浓缩后变浑，说明里面可能混着不同状态，也可能正在互相黏住。纯化峰证明样品更清楚，还不能证明目标结构已经出现；它只说明这条候选有资格走向更硬的检查。

Stability，稳定性，继续筛选。圆二色谱可以粗看 α 螺旋和 β 折叠片等二级结构信号；升温曲线能看样品在加热时是否协同展开；凝胶过滤或类似方法能看它更像单个分子，还是已经形成多聚体和聚集物。这些读数不直接给出原子模型，却能判断样品是否值得进入结晶筛选。一个设计模型分数很高，若样品在这些读数里表现飘忽，后面的结构解析就没有可靠起点。

稳定性读数也有自己的边界。它能说明样品在某些条件下更像折叠状态，能说明升温时有没有比较集中的展开过程，也能帮助判断样品是否足够均一。它还不能替电子密度图回答原子怎么摆，也不能替功能实验回答这条链能做什么。Top7 的路线之所以硬，是因为没有把这些读数互相替代。

这些早期关口会留下失败信息。候选不表达，会让设计者回头看序列是否给宿主造成负担，或者某些表面片段是否容易被降解；候选进入沉淀，会让人检查疏水核心、表面性质和柔性环区；纯化峰拖尾，会提示样品状态不均一；稳定性读数不清，会提醒局部折叠可能太脆。许多候选停在这里，它们没有进入最后那张叠合图，却让留下来的 Top7 更有重量。

这也是样品台对设计端的反馈方式。表达失败常把问题推回编码序列、宿主条件或局部序列特征；上清比例低会让人重新检查表面疏水斑和折叠路径；纯化峰不干净会把注意力拉向多聚体、降解和构象混合；稳定性曲线松散，则会提醒核心和环区还没有把链收紧。样品没有给出原子坐标，却不断告诉设计者下一轮该从哪里改。

22.5坐标和编号边界怎样裁决

Top7 的后半段证明来自结构实验。Crystallization，结晶，是让蛋白分子在小滴里有序排列成晶体。结晶板上会有许多小滴，每一滴里的盐、缓冲液、沉淀剂和蛋白浓度略有不同。透明小点可能是盐，也可能是蛋白晶体；蛋白晶体可能太小、太乱，拿去照 X 射线时只给出模糊斑点。结晶提供结构机会，还没有给出答案。

结晶板很适合提醒人：样品走到这里，仍然可能失败。一个小滴里有亮点，不一定是蛋白晶体；晶体长出来，也可能排列不好；拿去收数据，衍射斑点可能太弱或太散。结构证明不会从结晶板自动滑出来，它还要经过数据质量、相位求解、模型搭建和验证。

Top7 的实验结构来自 X-ray crystallography，X 射线晶体学。在这种方法里，晶体被 X 射线照射，探测器记录 X-ray diffraction，X 射线衍射斑点。研究者再从衍射信息推算 electron density，电子密度图，把原子模型放进密度里，反复调整主链和侧链位置。电子密度清楚的地方，模型更有把握；密度弱或模糊的地方，解释要收住。

PDB 是 Protein Data Bank，保存公开的实验结构坐标。PDB 条目 1QYS 的题名是 Crystal structure of Top7: A computationally designed protein with a novel fold。RCSB 记录显示，这个条目的实验方法是 X-ray diffraction，分辨率为 2.50 Å，2003 年 9 月 11 日提交，2003 年 11 月 25 日释放，主引用指向同一篇 2003 年 Science 论文，DOI 为 10.1126/science.1089427。

1QYS 还提醒一个容易混淆的数字边界。论文摘要说 Top7 是 93-residue 的 α/β 蛋白，这说的是设计核心。RCSB 的 polymer entity 记录里，样品序列长度是 106；序列开头有额外的 MGDI，末端还能看到 SLEHHHHHH 这样的标签尾部。93 个设计核心、106 个样品序列、额外端部残基、标签和公开坐标对象，不能混成同一个数；公共记录保存的是进入实验和坐标档案的对象，它会带着构建体边缘一起出现。

这个边界看似细小，却影响结构怎样被读。论文摘要里的 93 个残基回答设计对象的核心长度；PDB 里的 106 个残基回答公开样品序列的记录方式；标签和额外端部残基说明实验对象会带着构建体边界进入数据库。若把这些数字合成一个，Top7 会被讲得过于整齐，反而丢掉了实验对象的真实边缘，也丢掉了后来复查者必须面对的样品边界。

2.50 Å 的分辨率足以支持整体折叠和许多局部安排的判断，但仍然需要谨慎读图。电子密度图不会自动替设计模型作答，研究者要看主链能不能顺着密度走，侧链是否有足够支持，核心残基是否真的埋在目标位置。若某一段密度弱，就不能用同样语气讲得过满；若核心、螺旋、折叠片和连接关系都对上，设计模型才得到更硬的支持。

结构出来以后，最醒目的图通常是 structural superposition，结构叠合图。设计模型和实验结构被放到同一坐标系里，主链用不同颜色显示，研究者查看它们是否贴近。论文摘要给出的数字是 RMSD，均方根偏差，约 1.2 Å。RMSD 是把两个结构叠合后计算原子位置平均偏差的一种方式，数字越小，整体越接近。

这个数字说明 Top7 的实验结构与设计模型非常接近，但它仍然只回答整体骨架接近的问题。叠合图还要逐段读：疏水核心是否按设计收紧，螺旋和折叠片之间是否保持预期角度，环区是否偏移，侧链摆法是否一致。RMSD 小不自动保证所有局部都完美，也不回答动力学状态和功能问题。折到目标形状，仍不等于具备某种功能。

PDB 条目把这种谨慎固定在公共记录里。1QYS 保存的不只是一个成功名字，还包括坐标、实验方法、分辨率、引用、样品序列和表达宿主等元数据。后来的人可以重新下载坐标，重新叠合模型，重新查看构建体边界。Top7 因此不只存在于论文摘要里，也存在于可复查的结构档案里。

公开坐标还有一个作用：它把成功从叙事里拿出来，放到共同检查的台面上。别人可以问主链哪里贴合，侧链哪里偏开，标签和额外残基在记录中怎样出现，分辨率支持到什么程度。Top7 的硬度因此不只来自论文中的一句相似，也来自公共数据库允许后来的人重新看一遍。

22.6Top7 硬在哪里

现在回到开头那叠记录。设计模型给出目标，候选编号表说明哪些序列值得进入实验；表达胶图说明序列能否成为样品；上清、沉淀和纯化峰说明样品状态是否足够清楚；稳定性读数说明它是否值得进入结晶；衍射斑点和电子密度图说明实验结构是否能被建立；结构叠合和逐段检查再说明实验结构与设计模型的关系。每一道门都可能中断，Top7 的分量来自这些门槛连续打开。

这组记录也让“写出来”有了更严格的含义。Top7 在历史上的重量，来自它把一个长期愿望推进到可检查的实物：没有天然同源折叠可直接照抄的新折叠，经过计算设计、样品制备和 X 射线结构测定，被放进公共坐标。这个判断之所以有分量，是因为它没有绕开实验。模型、样品和坐标必须一起出现，缺掉任何一项，写蛋白都还只是未完成的承诺。

Top7 留下的边界同样清楚。它证明全新折叠可以被设计并用实验结构验证；它没有证明任何想要的蛋白都能一次写成，没有证明功能、结合、体内稳定性和生产问题已经解决，也没有让表达、纯化、结构测定和功能验证退场。设计模型漂亮不等于表达成功；表达成功不等于可溶；可溶不等于均一；均一不等于折到目标；折到目标形状不等于有功能。每一道门都要单独通过。

这个边界保护了 Top7 的科学分量。若把它讲成批量生产功能蛋白的开关，后面的失败会显得像意外；把它放回门槛证明的位置，失败就回到正常流程。复杂折叠、可控界面、催化功能、细胞内行为、免疫反应和制造稳定性都还在前面。Top7 推开的门很关键，门后仍然需要一间一间检查。

正因为边界清楚，Top7 才更有用。后来的研究者可以把风险拆开安排，先问折叠，再问稳定性，再问结合或功能。失败也因此来得更可读：在哪一步失败，就回到哪一类设计假设。写蛋白没有抛开读蛋白，反而把长期读出来的主链几何、疏水核心、表面电荷、氢键和二级结构倾向主动用于设计。

再看那张结构叠合图，它的亮点不只是两条主链贴近。旁边每一张实验记录都让这次贴近更有分量。Top7 把 Baker / Rosetta 线从“能不能反过来写蛋白”的想法，推进到“至少有一个全新折叠可以被写出并验证”的事实。

这条路自然会走向更难的问题。Top7 先回答“能不能写出一个全新折叠并验证它”；接下来会问“写出来的小蛋白能不能抓住指定目标”。目标表面、候选编号表、DNA 构建订单、表达板、上清和沉淀、纯化峰、结合曲线和结构复查会重新排成一串门槛。Top7 留下的是看待设计结果的顺序：每个候选都要用样品和数据说话。