让酶生成可控：EnzyControl为骨架生成引入功能与底物特异性

本文信息

• 标题: 为酶骨架生成引入功能与底物特异性：EnzyControl 方法
• 作者: Chao Song, Zhiyuan Liu, Han Huang, Liang Wang, Qiong Wang, Jianyu Shi, Hui Yu, Yihang Zhou, Yang Zhang
• 发表时间: 2025年10月29日（arXiv v1）
• 单位: Northwestern Polytechnical University（中国）; National University of Singapore（新加坡）; The Chinese University of Hong Kong（中国香港）; Institute of Automation at CAS（中国）
• 引用格式: Song, C., Liu, Z., Huang, H., Wang, L., Wang, Q., Shi, J., Yu, H., Zhou, Y., & Zhang, Y. (2025). EnzyControl: Adding Functional and Substrate‑Specific Control for Enzyme Backbone Generation. arXiv:2510.25132.
• 代码与资源: GitHub — https://github.com/Vecteur-libre/EnzyControl

摘要

设计具有底物特异性功能的酶骨架是计算蛋白质工程的关键挑战。现有生成模型在蛋白设计上表现优异，但在结合数据、底物特异控制与从头设计灵活性方面存在局限。为此，本文介绍 EnzyBind 数据集，包含 11,100 个从 PDBbind 精心遴选的实验验证酶‑底物复合物。基于此，提出 EnzyControl 方法，在酶骨架生成中实现功能与底物特异性的联合控制。该方法以 MSA 标注的催化位点及其对应底物为条件，生成酶骨架；通过轻量级可模块化的 EnzyAdapter 集成到预训练的骨架生成模型中，使其具备底物感知能力。两阶段训练范式进一步优化了模型生成精确、功能性酶结构的能力。实验表明，EnzyControl 在 EnzyBind 与 EnzyBench 基准上均取得最佳性能，相比基线模型在可设计性与催化效率上分别提升 13%。代码已开源于 https://github.com/Vecteur-libre/EnzyControl 。

核心结论

• 在 SE(3) 等变骨架生成中注入底物条件，显著提升结构可设计性与功能可控性
• EnzyAdapter 将底物语义与功能位点跨注意力耦合，带来更高的 EC 匹配率与更优的预测 $k_{cat}$
• 两阶段训练与 LoRA 微调有效稳定训练并降低成本
• 在零样本场景（新底物/新 EC 类别）中仍保持较强的亲和力与效率指标

背景

蛋白设计的可控生成正从一般结构可行性走向功能可控。特别是在酶设计中，目标不只是生成稳定的骨架，还要对功能分类（EC 号）与底物特异性作出定向约束，以服务合成生物学与绿色催化。

现有扩散/流匹配式骨架生成模型在形状正确方面已取得进展，但面临三类挑战。其一，功能语义难以注入：结构生成主干多以几何信号为核心，如何有效嵌入底物与功能位点的信息尚不清晰。其二，训练不稳定与成本高：在大规模条件生成中，端到端训练容易漂移，需要参数高效的适配策略。其三，评价不统一：结构指标（scTM、scRMSD）与功能指标（EC 匹配、$k_{cat}$、对接亲和力）往往分散，缺乏覆盖多 EC 家族的系统基准。

在这个背景下，Frank Noe 团队发表的 FrameFlow 工作为蛋白骨架生成树立了新的标杆，通过 SE(3) 等变流匹配框架实现了高质量的结构采样。EnzyControl 的创新之处在于，它在 FrameFlow 等变骨架生成主干的基础上，首次系统地引入底物conditioning与功能位点约束，使得结构生成不再是纯几何问题，而是与分子功能紧密耦合的生物设计问题。

关键科学问题

• 如何将底物语义与功能位点表征稳定地注入到三维骨架生成主干中，并保持 SE(3) 等变性质不被破坏。
• 如何在训练成本可控的前提下，完成端到端的条件适配，并提升零样本泛化能力。
• 如何建立覆盖多 EC 家族、既关注结构一致性又关注功能性的统一评测体系。

创新点

• EnzyAdapter：跨注意力条件层，将底物图嵌入与功能位点特征在每层耦合，显式影响平移与旋转向量场
• 两阶段训练范式：先对齐底物/功能条件，再以 LoRA 低秩微调端到端适配
• 统一评估流水线：骨架→ProteinMPNN 逆折叠→ESMFold 结构预测→CLEAN/UniKP/GNINA/ESP 指标，覆盖结构与功能
• 数据与基准：构建 EnzyBind 与独立基准 EnzyBench，跨 EC 家族报告 EC 匹配率、$k_{cat}$ 与亲和力

研究内容

核心方法：条件化酶骨架生成框架

详见附录（今天的下一篇推送）

图3：EnzyControl 的条件生成框架。在主干各层注入 EnzyAdapter 后，自我一致性与可设计性（scRMSD<2Å）显著提升，说明底物语义有效约束了骨架更新的方向。

数据集与评估设置

详见附录

实验结果与分析

核心评估指标解析

表1 EnzyBind 上结构与功能指标的总体比较（节选重排）。

解读：与不含条件注入的主流骨架生成相比，EnzyControl 在结构可设计性与功能匹配上同步提升，且对接亲和力更优。底物‑到‑残基的跨注意力是关键贡献。

图5/图6/图7：关键分布与匹配率对比。

• 图5：EnzyAdapter 的存在使高 $k_{cat}$ 区间占比上升（左侧蓝色分布右移）
• 图6：整体亲和力分布左移（更优），代表更强的结合能力
• 图7：在 EC 一级至四级层级，EnzyControl 的匹配率稳定领先其他基线，证明模型学到了跨层级的一致功能语义

表5 组件消融（去除 EnzyAdapter 或去除 MSA 保守位点，EnzyBind）。

解读：去除 Adapter 或去除保守位点都会显著降低 EC 匹配率与 $k_{cat}$ 均值。功能位点的保真度与条件注入的强度共同决定功能性指标。

表3：跨EC家族的结合亲和力对比

浅解读：EnzyControl 在 17个EC家族上的亲和力均优于基线模型，平均达 −6.93 kcal/mol。表4表明，MSA保守位点的扰动会显著拉低所有性能指标，证实了功能位点保真度至关重要。

图8：零样本泛化（新底物/新 EC）。EnzyControl 在未见过的底物与 EC 二级类别上，结合亲和力仍保持较低，显示较强的迁移能力。

表5（续）：EnzyBench 基准上的质量指标

表6：EnzyBench 中跨30个EC家族的结合亲和力细节

浅解读：EnzyControl 在30个EC家族上亲和力均优于或持平基线，平均达 −9.76 kcal/mol。这验证了底物条件化在不同催化机制间的广适性。

图10：个案研究（PDB:2cv3）。在该底物上，EnzyControl 生成的骨架对接姿态更贴合，预测 $k_{cat}$ 更高，说明条件注入促成了更具化学合理性的口袋几何。具体而言：

• 结合亲和力改善：EnzyControl 生成的骨架达到 −9.78 kcal/mol，相比 RFDiffusion 的 −6.92 kcal/mol 提升 51%
• 催化效率飙升：预测的 $k_{cat}$ 达 9.72 s⁻¹，比 RFDiffusion 高近 8 倍
• 相互作用网络：对接模拟显示 EnzyControl 生成的酶与底物形成更多相互作用键，表明口袋几何更优

残基效率（Residue Efficiency）：在实际蛋白质工程中，设计的酶应在保持功能活性的前提下，尽可能缩短序列长度（更短的序列促进基因表达，降低合成成本）。研究表明，EnzyControl 相比 RFDiffusion 基线在不同 $k_{cat}$ 区间内都能生成约 30% 更短的序列，这对合成生物学应用具有重要经济价值。

多样性与新颖性分析

虽然 EnzyControl 追求可设计性，但其多样性指标（通过 Foldseek 聚类计算）与部分超大模型相比略低。这反映了一个普遍的权衡：追求可设计性（结构与功能的稳定性）往往需要牺牲某些采样多样性。这是未来工作需要平衡的方向。

结果逻辑图：从条件表征到功能验证

graph TB
    subgraph II["结构质量验证"]
        direction TB
        D["<b>Self Consistency</b><br/>0.8848 (vs 0.7213)"]
        E["<b>可设计性</b>：scRMSD&lt;2Å<br/>71.60% (vs 63.28%)"]
        F["核心发现：<b>底物conditioning</b><br/>显著提升结构可靠性"]
    end

    subgraph III["功能性检验"]
        direction TB
        G["<b>EC匹配率</b><br/>50.41%<br/>(vs 45.83%)"]
        H["预测<b>kcat</b><br/>2.9168 s⁻¹<br/>(vs 2.4592)"]
        I["<b>结合亲和力</b><br/>-6.9303 kcal/mol<br/>(vs -6.3522)"]
        J["核心发现：<b>EnzyAdapter</b><br/>精确映射底物到催化功能"]
    end

    subgraph IV["泛化能力验证"]
        direction TB
        K["<b>零样本新底物</b><br/>亲和力可维持"]
        L["<b>零样本新EC类别</b><br/>匹配率有效"]
        M["核心发现：模型学到<br/><b>通用功能映射</b>规律"]
    end

    subgraph V["设计可行性验证"]
        direction TB
        N["个案<b>2cv3</b>:<br/><b>kcat提升8倍</b>"]
        O["<b>残基效率</b><br/>序列缩短30%"]
        P["对接评分显著改善<br/><b>-9.78 vs -6.92</b><br/>改善51%"]
        Q["核心发现：<b>结构生成</b><br/>与<b>实际催化</b>耦合有效"]
    end

    II --> III --> IV --> V

    style D fill:#c8e6c9
    style E fill:#c8e6c9
    style F fill:#fff59d
    style G fill:#ffccbc
    style H fill:#ffccbc
    style I fill:#ffccbc
    style J fill:#fff59d
    style K fill:#b3e5fc
    style L fill:#b3e5fc
    style M fill:#fff59d
    style N fill:#f8bbd0
    style O fill:#f8bbd0
    style P fill:#f8bbd0
    style Q fill:#fff59d

讨论

方法论创新的深层意义

EnzyControl 的突破在于在保持 SE(3) 等变性的严格约束下实现功能可控，解决了结构生成与功能约束长期以来的矛盾。具体而言：

功能可控与结构可行的统一：底物条件化通过 EnzyAdapter 的跨注意力机制，实现了底物信息与骨架更新的紧耦合。这避免了以往模型在追求多样性时功能指标下降的问题，而是在保证可设计性的同时，精准映射到相应的催化功能。

参数高效的适配范式：两阶段+LoRA 训练将适配成本压缩至可操作范围。第一阶段的底物-功能对齐避免了主干参数的快速漂移，第二阶段的低秩分解（<5% 参数量）进一步降低了资源消耗，使得该方法可行于资源受限的研究组。

系统化的评估体系：EnzyBind/EnzyBench 的联合设计，跨 EC 家族构建统一基准，避免了以往单类酶评估的局限。评估模型（CLEAN、UniKP、GNINA）都已在真实酶或相关任务上验证，为计算指标奠定了生物学基础。

SE(3) 等变性的实现机制

EnzyControl 能够在保持等变性的同时注入底物条件，关键在于跨注意力直接作用于向量场，而非破坏刚体变换的自然性。具体而言：

1. EnzyAdapter 的输出与 IPA 的特征表征在特征空间中融合，不涉及坐标系变换
2. BackboneUpdate 基于融合后的特征预测 $\Delta \mathbf{r}$ 与 $\Delta \mathbf{R}$，这些增量本身满足 SE(3) 群的闭包性质
3. 因此，即使底物信息已注入，生成的骨架对刚体变换仍然协变——旋转整个复合物，生成结果也相应旋转

零样本泛化的源头

EnzyControl 在新底物与新 EC 类别上仍能保持较好性能（结合亲和力 −7.01 kcal/mol，仅略低于已见任务的 −6.93 kcal/mol），原因包括：

1. Uni-Mol 的丰富知识库：在 209M 分子构象上预训练，即使遇到新的底物结构，仍能映射到接近的特征空间
2. Adapter 学到的是通用映射：不是记忆单个“底物“，而是学习”大分子特征→残基更新方向”的规律
3. MSA 保守位点的约束：功能位点的进化守恒性提供了跨家族的鲁棒性

与现实设计管线的衔接

虽然 EnzyControl 生成的是骨架，但通过以下流程可集成到实际工程：

1. 生成 20 个骨架 → 逆折叠得到 100 个候选序列 → 结构预测
2. 对接引导优化：基于 GNINA 对接分数反复迭代 → 发现结合亲和力 −8.38 kcal/mol 的改进体（相比初始 −6.92 kcal/mol 提升 21%）
3. 湿实验验证与合成
4. 性质优化迭代

这一“生成→筛选→再生成”的闭环是未来的关键方向。

关键结论与批判性总结

• 潜在影响
  • 证明酶骨架生成可以被功能与底物特异性联合控制
  • 提供可复用的条件注入与低秩适配范式，便于迁移至其他“蛋白”家族
• 局限性
  • 未建模底物结合构象：当前方法专注于生成酶骨架，但并未显式建模骨架在与底物结合时所采纳的特定构象变化（如 AtomicFlow 所强调的），这可能导致生成的骨架在实际催化中的构象灵活性不足
  • 多链装配的间接处理：现有框架限制在单链酶骨架，简化了序列-结构映射但限制了对多聚体或复杂变构系统的直接应用，目前采用的是生成→融合二聚化的事后策略而非集成设计
  • 多样性与可设计性的权衡：虽然 EnzyControl 生成多样的骨架样本，但在保持高可设计性（scRMSD<2Å）的前提下，多样性与新颖性指标略低于在更大、更异质训练集上训练的通用模型
  • 缺乏自身的湿实验验证：本文所有评估均基于计算模型预测（CLEAN、UniKP、GNINA），虽然这些模型本身已在其他酶系统上验证过，但本工作并未对 EnzyControl 生成的候选酶进行独立的实验室合成和活性测定，因此实际设计效果仍需在真实湿实验中进一步确认
• 未来方向
  • 将条件扩展至辅酶/金属离子/环境因子，形成多条件联合控制
  • 与对接或分子力场形成闭环优化，实现“生成→筛选→再生成”的联动
  • 在湿实验中验证关键家族与代表“底物“，形成”设计‑验证”的正反馈

小编锐评：

• 反正是学一下模型，Flow Matching感觉细节还有很多抽象问题。
• 怎么说呢，都考虑配体了，干嘛不设计一下序列呢，显得没啥用啊。还跟proteinMPNN绑定了，或者其他能考虑配体的序列设计联用。$k_{cat}$ 与对接亲和力本应能说明这个事可能有用的，但结果看来没明显变好。
• 感觉酶类的评估指标都一般啊，都是计算的指标，用别的模型给它打分，甚至还有对接分数，你最起码用AlphaFold3预测复合物结构吧，或者boltz-2预测，当然可能做的比较早？
• 也没做湿实验，酶没湿实验都难以验证。还是觉得生成类的文章做评估都是玄学，又要像已知的都行，有时候还要新颖才能效果好，就是因为只依赖于有限的数据而无基于物理的验证，有模拟总比没有强。我也不太懂AI。越来越不信任预印刊，我觉得计算机领域带着计算生物学化学老是认可预印是不对的，很多不太靠谱的，哪怕是大佬组的东西。
• 这篇才是我理想中酶设计大概的套路：https://mp.weixin.qq.com/s/1opv945uG_R-2GpkI59s5w