## 韩国KAIST团队突破：AI从头设计蛋白质，精准识别压力激素皮质醇
韩国科学技术院（KAIST）的研究团队利用深度学习，成功实现了从头设计能选择性识别特定小分子的蛋白质，并以此开发出功能性生物传感器。这项研究直接瞄准了合成生物学领域长期存在的核心挑战：如何设计兼具高亲和力与高特异性的小分子结合蛋白。传统方法依赖对天然蛋白的筛选与改造，通用性和可扩展性有限，而KAIST团队的方法则开辟了一条全新的“定制”路径。

研究团队以NTF2样折叠结构作为通用的蛋白质骨架（backbone），通过深度学习驱动的蛋白质结构生成与序列设计方法，从头设计出多样化的、能够结合目标小分子的蛋白质。作为概念验证，他们成功设计出一种能选择性识别压力激素皮质醇的蛋白质。更重要的是，团队进一步将这种设计蛋白转化为类似化学诱导二聚化（CID）的传感器，使其功能超越了单纯的结构设计，迈向了可实际测量的传感技术。

这项成果标志着蛋白质设计领域的一次重要跨越，从解决结构问题延伸至实现具体的生物传感功能。其潜在应用范围广泛，包括疾病诊断、新药研发以及环境监测等领域。相关研究论文《Small-molecule binding and sensing with a designed protein family》已发表在权威期刊《自然-通讯》（Nature Communications）上，为人工智能在生命科学前沿的应用提供了新的范例。
---
- **Source**: 36氪最新 (RSSHub)
- **Sector**: The Lab
- **Tags**: 人工智能, 蛋白质设计, 生物传感器, 合成生物学, 深度学习
- **Credibility**: unverified
- **Published**: 2026-04-15 09:03:20
- **ID**: 65218
- **URL**: https://whisperx.ai/zh/intel/65218