近年来，蛋白质设计领域面临的一个主要挑战是广阔的序列搜索空间。为了应对这一问题，斯坦福大学的X实验室和SNAP实验室联手推出了一种新的蛋白质设计框架——ProteoCraft。该框架围绕蛋白质的序列搜索和结构验证，采用“提案—验证”的策略：通过近似梯度提出潜在的修改方向，利用完整结构预测来验证候选，并通过树搜索方法来组织后续的搜索与局部优化。ProteoCraft不仅能够支持从头设计蛋白质，还能在特定区域内进行局部改造。
在最新的测试中，ProteoCraft在独立AF2-IG评估中的严格通过率达到86.2%；而在与相同候选预算下的ESMFold2高标准测试中，树搜索的高置信度通过率为54.3%，是对照组的2.85倍。在PD-L1微型蛋白的实验中，从35个成功表达的候选中，有29个显示出结合能力，命中率为82.9%；其中6个候选的Kd值低于10 nM，最佳单次SPR拟合Kd为0.879 nM。此外，通过优化配置，ProteoCraft的搜索速度实现了平均3.57倍的加速。
ProteoCraft的成功来自于它如何通过梯度提案、完整结构验证和两阶段树搜索，在庞大的蛋白质序列空间中有效探索和优化候选。其核心思想是将“修改提案”和“候选评估”分开，以便在搜索过程中二者能够不断协调。在提案阶段，近似梯度提供探索的修改方向；在验证阶段，模型对生成的氨基酸序列进行完整结构预测，从而判断是否继续探索该候选。验证结果将反馈至树搜索，用以影响后续的设计决策，使结构预测贯穿整个设计过程，而非仅在最终阶段进行。 新球体育免费版
ProteoCraft的提案与验证搜索流程包括梯度提案、双阶段树搜索和完整结构预测，这些步骤分别对应不同的计算任务。首先，是如何以更低的成本来确定序列修改方向。每一个氨基酸的位置更动都有可能影响蛋白质的折叠及其与靶标的相互作用，因此复杂的计算将大幅增加搜索成本。为此，ProteoCraft结合多种信号来指导序列的修改：它不仅依赖于蛋白序列的统计规律判断合适的组合，还确保通过几何约束鼓励形成合理的结构，同时使用截断扩散梯度来获取与三维结构变化相关的修改信号。
为了有效控制计算成本，ProteoCraft 在处理梯度时仅关注末端的一步去噪，避免了对完整扩散生成轨迹的反向传播。同时，针对提出的候选序列，模型利用完整的ESMFold2进行结构预测，结合界面和折叠置信度等指标进行评估，以避免仅依据近似梯度评分来解决序列的价值判断。
在搜索过程中，ProteoCraft引入了蒙特卡洛树搜索，并通过粗到细的两阶段策略来分配计算资源。第一阶段允许同时修改多个氨基酸，以便在较大的序列空间中进行广泛探索，寻找潜在的设计区域。模型在这个阶段会根据已验证候选的质量，决定哪些分支值得深入探索，同时为尚未充分尝试的方向留出搜索机会。第二阶段则专注于对优质候选进行细致的局部优化，每次只调整一个氨基酸，以进一步精细化设计。 新球体育免费版
此外，ProteoCraft还支持对特定区域的可控设计。研究团队可指定可变的序列区域与目标结合点，如针对T细胞受体的结合蛋白设计及局部CDR/TCR改造。在局部改造的任务中，模型只对可修改的残基进行更新，而保持其他部分不变，从而继续参与整体复合物的结构预测。因此，ProteoCraft不仅可以探索新的从头设计的结合蛋白序列，还能够在局部区域内进行针对性的改造。
