生成式设计刚性蛋白标记助GPCR冷冻电镜解析

研究团队提出将生成式蛋白设计与基于深度学习的集合预测相结合的方法，可设计刚性蛋白标记（fiducial marker），在任意融合位点辅助GPCR的冷冻电镜（cryoEM）成像，从而观察此前难以解析的构象状态。作者用该方法高通量测定了四个具有药物研发意义的GPCR的非活性状态结构，并在每个受体上解析出关键的药理学细节。随后，他们为经典的β2-adrenergic receptor设计了一个胞外标记，在缺少G蛋白的情况下直接表征了关键胞内基序的重排。与近期共折叠模型的比较显示，现有方法在预测配体诱导的GPCR构象方面仍存在明显差距。作者称该框架可推广到其他小型动态蛋白的难解析结构状态。