生物催化：鱼与熊掌皆也也可得化学家和蛋白质工程师

生物催化：鱼与熊掌皆也也可得化学家和蛋白质工程师

寻找催化剂来促进和完善反应性是有机化学的中心任务。

过去，人工催化剂取得了显著进展，利用特定元素进行无数反应。这些催化剂用途广泛，但其速度和选择性无法与酶相比。为了结合酶催化和人工催化的优势，生物催化应运而生，并正在成为一个交叉学科领域。

1. 生物催化：兼具两全其美的优势

生物催化需要化学家和蛋白质工程师的合作，再加上大自然的帮助，才能弥合两种催化模式之间的差距。生物催化已经取得了令人瞩目的成果，包括创造出新的化学转化。

这篇由诺贝尔化学奖得主教授发表的评论文章总结了新近出现的生物催化研究的进展，并列举了一些有助于扩大生物催化范围的跨学科研究实例，包括从仿生学的角度探索酶的多功能性概念，以实现超越目前化学催化所能达到的活性和选择性。

2. 仿生催化：合成化学与酶催化的第一次碰撞

仿生催化是开发人工催化剂以模仿生命反应和酶底物活化的过程，是合成化学和酶催化之间众多重要合作中的首个合作，起源于 20 世纪 50 年代。尽管仿生催化无法复制酶的快速反应速度和无与伦比的选择性，但它推动了合成化学的发展，包括开发自然界尚不为人所知的催化反应。

细胞色素 P450 单加氧酶的故事说明了生物学和化学以惊人的方式相互启发、学习和促进。

自 20 世纪 60 年代发现以来，含血红素的 P450 酶具有用分子氧选择性氧化特定 CH 键的惊人能力，引起了化学界的广泛关注。1982 年，他们证明铁四苯基卟啉复合物可以接受氮烯前体，并能够进行 CH 胺化反应（图 1a）。三年后，他们与和合作，证明兔肝微粒体细胞色素 P450-LM3,4 可以接受亚硝酸盐前体作为底物并进行 CH 胺化反应（图 1b）。

尽管活性太低而无法用于合成（对于分子内磺酰胺化观察到的总周转数（TTN）为2.2），但这条研究路线提供了两个关键见解：酶可以在其自然范围之外进行反应，化学家可以利用他们的知识从自然界的催化机制中发现新的化学反应。

图 1：用于 CH 插入反应的仿生和酶促氮烯转移。（图片来源：）

3. 定向进化：改善酶特性

下一步，将微量的生物活性提炼为强大的催化作用，将需要蛋白质工程来训练酶以其特征速率和选择性进行新的反应。

约翰·梅纳德·史密斯（John Smith）在其1970年的经典著作《自然选择和蛋白质空间的概念》中，为蛋白质在广阔而又几乎无功能序列的序列空间中通过自然选择进行进化的操作可能性提供了理论基础。当单个突变积累到一定程度时，酶就能向目标方向进化。这为人工实现酶的定向进化提供了理论基础。

自 20 世纪 90 年代初首次展示以来，定向进化已经成为一种可靠的策略，可以对酶进行改造，使其具有更优良的特性，例如热稳定性、耐受有机共溶剂的能力、催化效率、增强的底物耐受性等等。

但是新的反应性又如何呢？尚不清楚这种保守过程如何产生催化新反应的酶，但据了解，自然界为特定转化而选择的酶也可能表现出其他活性。虽然酶的生物功能可能是自然选择的产物，但其其他活性不受选择压力的限制。当其他活动变得有益时，自然选择可能会产生一种主要发挥该功能的新酶。这样，通过人为施加的条件、非自然反应物或人工蛋白质修饰，自然界中不存在或不相关的东西可能会表现出自然界中从未见过的混合活性。只要能够识别出能够进行所需的新自然转化的酶，就有可能引导其进化，将低产、混杂的酶的活性提炼为强大而高效的生物催化。

在对酶促氮烯转移进行初步研究近三十年后，工程酶现在可以进行高度立体选择性的 CH 胺化，TTN 值范围从数百到数千（图 1c）。仿生铁卟啉催化剂与血红蛋白之间的机制类比导致人们发现了这些蛋白质支持的其他非天然反应性，例如卡宾转移，甚至没有天然酶功能的血红蛋白（例如，珠蛋白和细胞色素 c）也被改造成具有生物卡宾转移活性（图 2a）。以这种方式发现的反应包括一些使用化学催化方法未观察到的反应，例如由炔烃形成双环丁烷。

富有想象力的化学家们现在开始发现，当蛋白质与非天然反应物、外部刺激或其他生物成分接触时，它可以支持其他混杂活动。除了上面讨论的血红素蛋白催化的碳化物和亚硝酸盐转移外，还有另外两个这种创造性工作的明显例子（图 2）。

图 2：具有新颖反应模式的生物反应中辅因子适应性的代表性示例。（图片来源：）

通过定向进化，可以进一步改善酶的参数和性能以及底物范围。酶固有的机制多样性与蛋白质工程相结合，为发现新的生物催化剂提供了巨大的潜力。

几份关于比自然更新颖的生物催化转化的报告强调了自然、合成化学和蛋白质工程之间的这种合作努力的潜力，以克服长期存在的合成挑战（图 3）。

图 3：一些新型酶催化的例子。（图片来源：）

4. 蛋白质设计：推动生物催化发展的另一个方面

除了上述化学方面的进步外，蛋白质设计能力的进步也促进了新生物化学的发现。计算建模是实现这一目标的有用工具，以设计新酶为目标的蛋白质建模在过去 20 年中受到了极大的关注。2008 年，Rö 等人通过计算设计了一种催化非生物 Kemp 消化的酶，并改进了最低性能设计以表现出更高的活性。自那份报告以来，其他酶也通过计算设计用于自然界中代表性有限的反应，包括 Diels 和 -。

从头设计的酶的初始活性通常较低，因为研究人员对该问题的了解有限，但定向进化可以挽救不良的设计，以达到更接近天然酶的速率和选择性。

计算设计还可以指导已知酶功能的扩展。例如，作为开发合成西他列汀的生物催化工艺路线的一部分，默克公司的研究人员通过计算重新设计了转氨酶活性位点以接受西他列汀前体，为定向进化活动提供了关键起点。可靠地对大量蛋白质进行建模以从头生成新酶并重新设计现有酶的方法对于生物催化非常有价值。

5. 展望

展望未来，利用计算蛋白质设计、新一代测序和机器学习的蛋白质工程新工具将加速我们设计具有新活性的酶的能力。定向进化本质上是不可知的，通常通过远离活性位点的细微有益突变来改善酶的性能，这对于化学家和蛋白质工程师来说是不直观的。然而，这种变化的影响可以通过从数据中学习的计算机算法来预测。机器学习工具已经能够更可靠地从序列预测蛋白质结构；将工程序列与功能联系起来将是下一个重大挑战。

简而言之，生物催化是合成化学家、蛋白质工程师和大自然之间持续且卓有成效的合作。科学家们对酶可以实现的化学转化的探索还只是冰山一角，生物学的无穷惊喜、蛋白质工程技术日益强大和复杂化以及化学智慧的不断涌现将继续推动生物催化领域的创新。

参考

DC, SV, F H. 及 for new-to-[J]. , 2022, 1(1): 18-23。