6.1 案例一：pLYTAC/EndoTag——AI从头设计的蛋白LYTAC
6.1.1 研究背景：解决LYTAC的靶向局限性
尽管第一代LYTAC技术取得了显著成功，但其应用仍面临一些固有的局限性。传统的LYTAC分子主要依赖于与天然配体竞争的糖肽（如M6P或GalNAc）来结合溶酶体靶向受体（LTR），这种策略存在几个挑战。首先，内源性配体的竞争会降低LYTAC的结合效率和降解效力。细胞表面和体液中存在大量内源性的M6P或GalNAc修饰蛋白，它们会与LYTAC分子竞争结合有限的LTR，从而削弱LYTAC的靶向作用。其次，基于化学合成糖肽的LYTAC在遗传可编码性方面存在限制。由于其复杂的化学修饰，这类LYTAC难以通过基因工程的手段在细胞内表达，限制了其在基因治疗或细胞治疗等领域的应用。此外，LYTAC技术的靶向范围受限于已知的、能够诱导高效内吞的天然LTR配体，这进一步缩小了其可应用的靶点范围。为了克服这些挑战，需要开发一种全新的、不依赖于天然配体、且完全由蛋白质组成的LYTAC系统，以实现更广泛的靶向性、更高的效率和更好的可操控性。
6.1.2 AI设计流程：Rosetta蛋白设计与LTR结合优化
为了解决上述问题，2024年诺贝尔化学奖得主David Baker教授的团队与2022年诺贝尔化学奖得主Carolyn Bertozzi教授的团队强强联手，在《Nature》杂志上发表了一项突破性研究，提出了一种名为pLYTAC（protein LYTAC）的新型靶向蛋白降解平台。该研究的核心是设计了一类全新的蛋白质，称为EndoTag（endocytosis-triggering binding protein），这类蛋白质能够特异性地结合LTR（如sortilin、转铁蛋白受体TIR和ASGPR），并触发受体的内吞作用，从而将与之偶联的目标蛋白带入溶酶体降解。EndoTag的设计完全依赖于Baker实验室开发的先进的计算蛋白质设计工具Rosetta。Rosetta是一个功能强大的生物物理建模和蛋白质设计软件套件，它能够从头（de novo）设计出具有特定结构和功能的全新蛋白质。在设计EndoTag的过程中，研究人员首先确定了目标LTR上的一个特定结合位点，这个位点不与天然配体结合，从而避免了内源性竞争。
随后，利用Rosetta的算法，研究人员在计算机中进行了大规模的蛋白质序列和结构搜索，设计出能够高精度适配该结合位点的全新蛋白质序列。这个过程涉及到复杂的能量计算和构象采样，旨在找到那些能够与LTR形成强相互作用、高亲和力复合物的蛋白质结构。通过多轮的设计-模拟-优化循环，最终获得了能够分别高效结合sortilin、TIR和ASGPR的EndoTag蛋白。这些人工设计的蛋白质在结构和序列上与任何已知天然蛋白质都不同，展现了计算蛋白质设计的强大能力。将EndoTag与靶向特定疾病相关蛋白的抗体或纳米抗体通过基因工程手段融合，就构成了pLYTAC分子。这种全蛋白的特性使得pLYTAC完全可以通过基因编码，可以在细胞内表达，或通过mRNA/基因治疗的方式递送，为LYTAC技术的应用开辟了全新的可能性。
6.1.3 实验验证：对EGFR、PD-L1和IgG的降解效果
在成功设计出pLYTAC/EndoTag系统后，研究团队进行了一系列概念验证实验，以评估其在活细胞中靶向降解疾病相关蛋白的能力。他们将靶向不同蛋白的抗体与能够结合不同LTR的EndoTag进行融合，构建了一系列pLYTAC分子，并测试了它们对相应靶蛋白的降解效果。实验结果令人鼓舞，pLYTAC系统展现了强大的、广谱的蛋白降解能力。具体来说，他们成功实现了对多种重要治疗靶点的有效降解，包括：1. 表皮生长因子受体（EGFR）：EGFR是一种在多种癌症中过度表达或突变的受体酪氨酸激酶，是重要的抗癌靶点。pLYTAC能够高效地将其降解，抑制癌细胞的生长信号。2. 程序性死亡配体1（PD-L1）和细胞毒性T淋巴细胞相关蛋白4（CTLA-4）：这两种都是重要的免疫检查点蛋白，在肿瘤免疫逃逸中扮演关键角色。pLYTAC能够有效降解它们，从而解除对T细胞的抑制，增强抗肿瘤免疫反应。在小鼠肿瘤模型中，与单独使用抗PD-L1抗体相比，EndoTag-抗PD-L1融合蛋白显著延长了小鼠的生存期，凸显了pLYTAC增强治疗性抗体活性的潜力。3. 胞外蛋白IgG：这项研究还证明了pLYTAC能够降解可溶性的胞外蛋白，如免疫球蛋白G（IgG），这表明其在治疗自身免疫性疾病（通过清除致病性抗体）方面也具有潜力。
这些成功的实验验证表明，基于AI从头设计的pLYTAC平台不仅克服了传统LYTAC的局限性，还大大扩展了靶向蛋白降解技术的应用范围。由于EndoTag可以被设计为靶向几乎任何具有内吞能力的细胞表面受体，理论上pLYTAC可以实现对任何疾病相关蛋白的精准降解。这项研究是计算蛋白质设计与化学生物学完美结合的典范，充分展示了AI在革命性治疗技术开发中的核心作用。基于此突破性技术，David Baker和Carolyn Bertozzi等人联合创立了一家名为Xaira Therapeutics的AI制药公司，旨在通过端到端地应用新兴的AI技术，重新设计药物发现和开发的流程，并获得了高达10亿美元的种子轮融资，预示着该技术巨大的商业潜力和临床转化前景。
6.2 案例二：HER2-LYTAC——双特异性适配体LYTAC的设计
6.2.1 研究动机：靶向HER2阳性癌症
人类表皮生长因子受体2（HER2）是一种跨膜受体酪氨酸激酶，在约20-30%的乳腺癌中过度表达，与肿瘤的侵袭性、复发和不良预后密切相关。目前，针对HER2的靶向治疗，如曲妥珠单抗（trastuzumab）和帕妥珠单抗（pertuzumab）等单克隆抗体，已成为HER2阳性乳腺癌的标准治疗方案。然而，长期应用这些药物往往会导致耐药性的产生，使得疾病进展。因此，开发能够彻底清除HER2蛋白的新型治疗策略具有重要的临床意义。LYTAC技术通过将HER2靶向转运至溶酶体降解，有望克服传统抑制剂的局限性，实现对HER2信号通路的持续、深度阻断。与抗体相比，DNA适配体（Aptamer）具有分子量小、免疫原性低、易于化学合成和修饰等优势，使其成为构建新型LYTAC分子的理想靶向模块。基于此，Hamada Keisuke等人的研究团队旨在开发一种基于双特异性DNA适配体的HER2靶向LYTAC（HER2-LYTAC），为HER2阳性癌症提供一种新的治疗选择。
6.2.2 设计策略：HER2适配体与IGF2R适配体的偶联
HER2-LYTAC的设计策略是将两个功能不同的DNA适配体通过一个连接子（linker）偶联起来，形成一个双特异性分子。其中一个适配体负责靶向目标蛋白HER2，另一个适配体负责结合溶酶体靶向受体（LTR），从而介导整个复合物的内吞和降解。研究中，他们选择了一个已知的能够高特异性结合HER2的DNA适配体（HER2ap）作为靶蛋白结合域。对于LTR结合域，他们选择了胰岛素样生长因子2受体（IGF2R），该受体也被称为阳离子非依赖性甘露糖-6-磷酸受体（CI-M6PR），是LYTAC技术中常用的LTR。他们设计了一个能够结合IGF2R的DNA适配体（IGFIIRap）。这两个适配体通过一个22个碱基对（22 bp）的连接子进行连接，构成了最终的HER2-LYTAC分子。这种基于核酸的LYTAC设计具有 several 独特的优势。首先，DNA适配体的化学合成精确且可重复，可以方便地控制连接子的长度和序列，这对于优化LYTAC的活性至关重要。其次，适配体的小尺寸可能赋予LYTAC更好的组织渗透性。最后，这种模块化设计使得通过更换不同的适配体来靶向不同疾病相关蛋白变得相对容易，具有良好的通用性。
6.2.3 体外活性评估与机制验证
在成功合成HER2-LYTAC分子后，研究团队通过一系列体外实验评估了其降解HER2蛋白的活性和作用机制。实验结果表明，HER2-LYTAC能够显著诱导HER2阳性乳腺癌细胞中HER2蛋白的降解。重要的是，单独使用HER2ap或IGFIIRap适配体均不能引起HER2的降解，这证明了双特异性设计对于LYTAC活性的必要性。为了验证降解是否通过预期的溶酶体途径发生，研究人员进行了一系列机制研究。他们发现，HER2-LYTAC诱导的HER2降解可以被溶酶体抑制剂（如氯喹或巴弗洛霉素A1）所挽救，这表明降解过程依赖于溶酶体的功能。此外，通过抑制内吞作用（如低温处理或使用 dynamin 抑制剂），HER2的降解也被阻断，这进一步证实了内吞-溶酶体途径在HER2-LYTAC作用机制中的核心地位。除了降解靶蛋白，HER2-LYTAC还展现了预期的生物学效应。HER2的降解有效抑制了HER2依赖的下游信号通路（如PI3K/AKT和MAPK通路）的活化，并最终抑制了HER2阳性癌细胞的增殖。综上所述，HER2-LYTAC的研究为基于适配体的LYTAC设计提供了一个成功的范例，证明了这种新型核酸LYTAC平台在靶向癌症治疗蛋白降解方面的巨大潜力。
6.3 案例三：Receptor.AI平台——整合式AI驱动的LYTAC设计
6.3.1 平台架构：从靶点识别到分子生成
Receptor.AI是一个专为药物发现设计的端到端人工智能平台，其独特之处在于能够将AI驱动的分子设计与实验验证紧密结合，形成一个高效的迭代优化循环。该平台不仅适用于传统的小分子药物设计，还专门针对PROTAC和LYTAC等复杂的双功能降解剂开发了定制化的工作流程。Receptor.AI的平台架构是模块化和高度集成的，它整合了从靶点识别、配体设计、虚拟筛选到ADMET预测和成药性评估的多个关键步骤。对于LYTAC的设计，其工作流程始于对目标蛋白（POI）和选定的溶酶体靶向受体（LTR）的深入分析。平台首先利用其专有的AI模型预测POI上最有前景的配体结合口袋，以及LTR上用于结合”锚定”配体的位点。这些AI模型通过学习大量的蛋白质-配体复合物结构数据，能够识别出那些具有高成药性潜力的结合位点，即使它们远离蛋白质的功能活性中心。
在确定了结合口袋后，平台进入配体设计阶段。Receptor.AI利用其强大的生成式AI引擎，为小分子靶蛋白配体和LTR配体（即”warhead”和”anchor”）分别进行从头设计。该引擎能够在巨大的化学空间中进行探索，生成大量具有新颖化学结构和高预测结合亲和力的候选分子。这些生成的分子随后会经过一系列AI驱动的过滤器进行筛选。首先，一个二级筛选模型会根据超过60个ADME-Tox终点、理化性质和类药性指标对候选分子进行评估，剔除那些在成药性方面存在明显缺陷的分子。接着，通过AI增强的分子对接（docking with AI-rescoring）步骤，对剩余的候选分子进行更精确的结合模式预测和亲和力排序。这个平台的一个显著优势是其迭代设计的能力。在计算出初步的候选LYTAC分子后，平台会将其送往实验阶段进行合成和生物活性验证。实验结果（如warhead对POI的亲和力，anchor对LTR的亲和力）会被实时反馈回AI系统，用于对模型进行重新训练和微调（fine-tuning）。这种“设计-测试-修改”的闭环流程使得AI模型能够针对特定的靶点和项目需求进行学习和优化，从而在后续的迭代轮次中生成更优质的分子，大大提高了研发的成功率。
6.3.2 核心技术：亲和力预测与ADMET过滤
Receptor.AI平台的核心竞争力源于其一系列先进的AI模型，特别是在亲和力预测和ADMET性质评估方面。在亲和力预测方面，平台整合了多种AI模型，包括基于结构的和基于配体的模型，以实现对蛋白质-配体结合亲和力的准确、快速预测。对于LYTAC设计，这意味着平台可以分别评估靶蛋白配体与POI的结合强度，以及LTR配体与受体的结合强度。这些预测不仅考虑了结合口袋内的局部相互作用，还通过蛋白质组范围的选择性预测模型，评估了候选配体与人体内其他蛋白质发生非特异性结合（即脱靶）的风险。这种对选择性的早期评估对于降低LYTAC的潜在毒性至关重要。在分子对接阶段，平台采用AI-rescoring技术，即先使用传统的力场或经验打分函数进行初步筛选，然后利用训练有素的神经网络模型对对接构象进行重新打分，从而提高对真实结合亲和力的预测精度。
ADMET性质预测是Receptor.AI平台的另一大核心技术。LYTAC分子由于其大尺寸和复杂的双功能结构，其药代动力学性质（如溶解度、渗透性、代谢稳定性）往往难以预测和优化。Receptor.AI通过其专有的ADMET预测模块，对LYTAC的各个组分（warhead, anchor, linker）以及组装后的完整分子进行全面的性质评估。该模块包含了一系列针对不同ADMET终点的机器学习模型，能够预测从基本的理化性质（如LogP, 溶解度）到复杂的毒性终点（如hERG抑制, 肝毒性）等多种性质。特别值得一提的是，对于PROTAC，该平台还开发了专门预测其膜渗透性的技术。由于PROTAC需要进入细胞内发挥作用，其膜渗透性是一个关键的成药性参数。Receptor.AI利用其专有的技术，设计出具有两亲性（amphiphilic）特征的PROTAC分子，以提高其穿越细胞膜的能力。对于LYTAC而言，虽然其靶点位于细胞外或细胞膜上，对膜渗透性的要求不如PROTAC严格，但良好的溶解度和代谢稳定性仍然是其成功开发的必要条件。通过在设计早期就对ADMET性质进行全面的AI预测和优化，Receptor.AI平台能够有效规避后期的成药性风险，加速LYTAC候选药物的开发进程。
6.3.3 应用实例：针对难成药靶点的LYTAC设计
Receptor.AI平台的整合式AI驱动工作流程，使其在针对传统上被认为是”难成药”（undruggable）靶点的LYTAC设计中展现出独特的优势。许多疾病相关的胞外或膜蛋白，由于其缺乏适合小分子结合的酶活性口袋或深部疏水口袋，一直被视为药物开发的禁区。LYTAC技术通过其事件驱动的作用模式，只需要靶蛋白上存在一个可被抗体或配体结合的表位，而无需抑制其功能，从而打破了传统 occupancy-driven 药理学对这些靶点的限制。Receptor.AI平台通过其AI驱动的靶点口袋预测技术，能够识别出这些”难成药”蛋白表面潜在的、适合结合的位点，即使这些位点在传统意义上不被认为是”可药性”的。例如，该平台可以预测一个平坦的蛋白质-蛋白质相互作用界面上的热点区域（hotspots），这些区域是设计高亲和力配体的理想起点。
一旦确定了可结合的位点，平台的生成式AI引擎便开始工作，从头设计出能够靶向这些位点的新型小分子配体或肽段。这些配体可能具有全新的化学骨架，是传统的基于片段的药物设计（FBDD）或高通量筛选（HTS）难以发现的。在设计出靶蛋白配体后，平台会将其与专门设计的LTR配体和优化的Linker进行组装，形成一个完整的LYTAC分子。整个过程都是在AI的引导下进行，通过不断的虚拟筛选和优化，最终获得一个具有高预测活性、良好选择性和理想ADMET性质的LYTAC候选分子。例如，针对一个缺乏小分子抑制剂的受体酪氨酸激酶，Receptor.AI可以首先利用AI模型识别出其胞外域上的一个独特表位，然后设计一个能够结合该表位的小分子或肽。接着，平台会将其与一个能够高效结合CI-M6PR或ASGPR的LTR配体偶联，并通过AI优化Linker的长度和化学性质，以促进稳定三元复合物的形成。通过这种方式，Receptor.AI平台为开发针对各种”难成药”靶点的LYTAC药物提供了一条高效、理性的路径，有望将大量过去无法触及的治疗靶点转化为现实的药物靶点。
*泰克康得靶向降解技术：传统抗体药的逻辑是“占位阻断”，但面对众多不可成药靶点往往束手无策。泰克康得的靶向蛋白降解（TPD）技术另辟蹊径，采用双功能分子设计，一端锁定致病靶点，另一端引导至溶酶体进行彻底拆解。这种机制不仅突破了传统抗体仅能阻断信号传导的局限，更实现了致病蛋白的完全清除。在肿瘤免疫与自身免疫疾病研究中，这种高特异性的“清零式”精准蛋白调控工具，正让“从源头消除致病因子”从理论推演走向真实的实验室数据。
*德崇生物体内CAR-T技术：业内都清楚，传统体外制备CAR-T的痛点在于周期长、成本高、且极难穿透致密的实体瘤微环境。德崇生物的体内CAR-T（in vivo CAR-T）技术用工程化病毒样颗粒（VLP）破局——无需体外细胞分选与扩增，直接通过静脉注射在体内完成T细胞重编程。原本长达8周的定制化流程被压缩至3周，极大降低了临床转化门槛。更重要的是，该策略显著提升了实体瘤微环境的深度穿透力，为实体瘤免疫治疗提供了真正标准化、可重复的现货型工具平台。
*如果想进一步深挖泰克康得靶向降解技术在特异性降解上的底层机制，或是了解德崇生物体内CAR-T技术攻克实体瘤微环境壁垒的详细路径，请上网站：www.dechongbio.com；微信联系人：hyy18942903551