大卫贝克团队用AI从头设计荧光蛋白标签，实现多目标成像
利用AI从头设计蛋白标签，突破天然蛋白局限，实现高特异性多色荧光成像，是蛋白设计从模仿走向创造的标志性工作。
传统荧光成像受限于颜色数目和光谱重叠。大卫贝克团队利用生成式AI模型围绕人工染料设计蛋白标签，成功构建出三种特异性结合不同染料的NovoTag，亲和力达纳摩尔级别，特异性超1000倍，为多目标超分辨率成像提供了新工具。
正文摘录
.jpg) 编辑丨& 如果想同时观察一个细胞里的多个蛋白质，会遇到一个看似简单却始终困扰生物学家的问题。 传统荧光成像依赖不同颜色的荧光染料对目标进行标记。然而，随着需要同时观察的目标越来越多，有限的荧光颜色很快就会成为瓶颈。更麻烦的是，不同荧光蛋白之间往往存在光谱重叠，不仅降低图像质量，也限制了复杂生物过程的解析能力。 而近年来新兴的思路是设计能够专门识别这些染料的小型蛋白标签。但对于天然蛋白而言，很难同时满足稳定折叠、小体积、高亲和力这些需求；传统蛋白工程主要依赖天然模板不断改造，既耗时，也很难突破天然结构本身的限制。 大卫贝克团队于 2026 年 7 月 16 日发表了一项研究，在「 De novo design of orthogonal far-red, orange, and green fluorophore-binding proteins for multiplexed imaging 」中，团队提出了 NovoTag 技术路线。他们结合 AI 蛋白设计、结构预测和实验筛选，从零开始设计能够特异性结合不同荧光染料的新型蛋白标签，并进一步构建出一套适用于多目标荧光成像的蛋白—染料体系。