探索催化劑以促進和完善反應性是有機化學的一項中心工作。

在過去，人工催化劑已經(jīng)取得了令人矚目的發(fā)展，利用特定元素，可以進行無數(shù)種反應。這些催化劑用途廣泛，但其速率和選擇性與酶卻無法相提并論。為了兼具酶催化與人工催化的優(yōu)勢，生物催化應運而生，正在成為一個跨學科的領域。

生物催化需要化學家和蛋白質(zhì)工程師之間相互合作，在大自然的幫助下，來彌合兩種催化方式之間距離。目前，生物催化已取得了令人印象深刻的成績，包括建立新的化學轉(zhuǎn)化。

諾貝爾化學獎得主Frances H. Arnold 教授發(fā)表于nature synthesis的評論性文章總結(jié)了新于自然（new-to-nature）生物催化研究進展，重點介紹了若干跨學科研究的例子，這些研究將有助于擴大生物催化的范圍，包括通過生物仿生學的視角探索的酶的多功能性概念，以實現(xiàn)超越目前化學催化所能實現(xiàn)的活性和選擇性。

仿生催化，即開發(fā)尋求模仿生命反應和模仿酶底物活化的人造催化劑，是合成化學和酶催化之間許多重要合作的第一個，起源于20世紀50年代。盡管它無法重現(xiàn)酶的快速速率和無與倫比的選擇性，但生物仿生學推動了合成化學的進步，包括開發(fā)自然界尚不知道的催化反應。

在細胞色素P450單氧酶的故事中，可以看出生物學和化學相互啟發(fā)、相互借鑒和相互促進的卓越方式。

自20世紀60年代發(fā)現(xiàn)以來，含血紅素的P450酶有選擇地用分子氧氧化特定的C-H鍵的驚人能力，吸引了更廣泛的化學界的注意。Breslow和Gellman在1982年證明，鐵四苯基卟啉復合物可以接受氮賓前體，并有能力進行C-H胺化反應（圖1a）。三年后，他們又與Svastits和Dawson合作，證明了兔肝微粒體細胞色素P450-LM3,4可以接受亞硝酸鹽前體作為底物，進行C-H胺化反應（圖1b）。

雖然活性太低，在合成上沒有用處（觀察到分子內(nèi)磺酰胺化的總周轉(zhuǎn)次數(shù)（TTN）為2.2），但這一研究思路提供了兩個關鍵的見解：酶可以進行其自然范圍之外的反應，化學家可以利用他們的知識從自然界的催化機制中發(fā)現(xiàn)新的化學。

下一步，將微量的生物活性細化為強大的催化作用，將需要蛋白質(zhì)工程來訓練酶以其標志性的速率和選擇性來進行新的反應。

約翰.梅納德.史密斯（John Maynard Smith）在其1970年的經(jīng)典著作《自然選擇和蛋白質(zhì)空間的概念》中提供了一個理論基礎，說明在一個既廣闊又大多沒有功能序列的序列空間中，通過自然選擇進行蛋白質(zhì)進化在操作上是可能的。當單一突變積累到一定程度時，酶便可朝著目標方向進化。這為人工實現(xiàn)酶的定向進化提供了理論基礎。

自從20世紀90年代初首次展示以來，定向進化已經(jīng)成為一種可靠的策略，用于設計具有改進特性的酶，如熱穩(wěn)定性、耐受有機共溶劑的能力、催化效率、增加底物耐受性和其他許多特性。

但是新的反應性呢？當時并不清楚這樣一個保守的過程如何能產(chǎn)生催化新反應的酶，但是，人們了解到自然界為特定轉(zhuǎn)化而選擇的酶也可能顯示出其他的活性。雖然一個酶的生物功能可能是自然選擇的產(chǎn)物，但它的其他活性是不受選擇壓力限制的。當其他活性變得有益，自然選擇可能會產(chǎn)生一種以該功能為主的新酶。這樣的話，通過人類強加的條件、非自然的反應物或人工蛋白質(zhì)修飾，這些在自然界中無法獲得或不相關的東西可能會顯示出自然界中從未見過的雜交活性。只要能夠確定一種能夠進行所需的新的自然轉(zhuǎn)化的酶，就應該有可能指導它的進化，將低產(chǎn)、雜亂無章的酶的活性細化為強大而高效的生物催化。

在Breslow和Gellman最初對酶促氮賓轉(zhuǎn)移的研究近三十年后，工程酶現(xiàn)在可以進行高立體選擇性的C-H胺化反應，TTN值為數(shù)百至數(shù)千（圖1c）。仿生鐵卟啉催化劑和血紅蛋白之間的機制類比導致了這些蛋白質(zhì)支持的其他非天然反應性的發(fā)現(xiàn)，如碳烯轉(zhuǎn)移，甚至沒有天然酶功能的血紅蛋白（例如球蛋白和細胞色素c）也被設計成具有生物碳烯轉(zhuǎn)移活性（圖2a）。通過這種方式發(fā)現(xiàn)的反應包括一些用化學催化方法沒有觀察到的反應，如從炔烴中形成雙環(huán)丁烷。

富有想象力的化學家現(xiàn)在已經(jīng)開始發(fā)現(xiàn)，當一個蛋白質(zhì)被提供給非天然反應物、外部刺激或其他生物成分時，可以支持其他混雜的活性。除了上面討論的血蛋白催化的碳化物和亞硝酸鹽轉(zhuǎn)移外，還有兩個明顯的例子說明了這種創(chuàng)造性的工作（圖2）。 

通過定向進化，進一步改善酶的參數(shù)和性能，以及底物范圍是可能的。酶固有的機制多樣性與蛋白質(zhì)工程相結(jié)合，為發(fā)現(xiàn)新的生物催化劑提供了巨大的潛力。

一些關于新于自然的生物催化轉(zhuǎn)化的報告突出了自然界、合成化學和蛋白質(zhì)工程之間的這種合作努力的潛力，以克服長期的合成挑戰(zhàn)（圖3）。

與上面討論的化學方面的進展一道，蛋白質(zhì)設計能力方面的進展也促進了新的生物化學的發(fā)現(xiàn)。計算模型是實現(xiàn)這一目標的有用工具，以設計新的酶為目標的蛋白質(zhì)模型在過去20年中受到了極大的關注。2008年，R?thlisberger等人通過計算設計了一種催化非生物坎普消解的酶，并且改進了最低性能設計以表現(xiàn)出改進的活性。自該報告以來，其他的酶也被計算設計用于自然界中代表性有限的反應，包括Diels-Alderases和Morita-Bayliss-Hillmanases。

由于研究人員對問題的理解有限，所以從頭設計的酶的初始活性往往很低，但定向進化可以挽救不良的設計，以實現(xiàn)更接近天然酶的速率和選擇性。

計算設計還可以指導對已知酶功能的擴展。例如，作為開發(fā)合成西格列汀的生物催化工藝路線的一部分，默克公司的研究人員對轉(zhuǎn)氨酶活性部位進行了計算性的重新設計，以接受前西格列汀酮，為定向進化活動提供了一個關鍵起點。大量可靠地模擬蛋白質(zhì)以從頭生成新酶和重新設計現(xiàn)有酶的方法對于生物催化來說是非常寶貴的。

展望未來，利用計算蛋白質(zhì)設計、下一代測序和機器學習的蛋白質(zhì)工程新工具將加速我們設計具有新活性的酶的能力。定向進化在本質(zhì)上是不可知的，它經(jīng)常通過遠離活性部位的微妙的有益突變來改善酶的性能，這對化學家和蛋白質(zhì)工程師來說是不直觀的。然而，這種變化的效果可以通過從數(shù)據(jù)中學習的計算機算法來預測。機器學習工具已經(jīng)使蛋白質(zhì)結(jié)構(gòu)能夠以更大的可靠性從序列中預測出來；將工程序列與功能相關聯(lián)將是下一個重大挑戰(zhàn)。

總之，生物催化是合成化學家、蛋白質(zhì)工程師和大自然之間持續(xù)而富有成效的合作。科學家們目前還只觸及到酶所能實現(xiàn)的化學轉(zhuǎn)化的表面，生物學帶來的無限驚喜、蛋白質(zhì)工程技術(shù)的日益強大和復雜以及持續(xù)的化學智慧將繼續(xù)推動生物催化的創(chuàng)新。

文章來源：博藥

免責聲明：本文系網(wǎng)絡轉(zhuǎn)載，版權(quán)歸原作者所有。如涉及版權(quán)，請聯(lián)系刪除！