这项研究的核心不是“让膜蛋白变亲水”，而是通过AI设计一个可溶性WRAP外壳，屏蔽膜蛋白疏水表面，同时尽量保留其天然序列、折叠、活性位点和配体结合能力。
膜蛋白约占蛋白质组（proteome）的近三分之一，也是超过一半已获批临床药物的靶点。但在实验室里，它们常常是最难处理的一类蛋白。
传统做法依赖去垢剂（detergent）把膜蛋白从脂质膜中“洗”出来。这个过程通常需要反复优化，成本高、步骤多，而且可能破坏蛋白稳定性。更麻烦的是，去垢剂本身会干扰后续分析，例如配体结合检测、天然质谱（native mass spectrometry）和冷冻电镜（cryo-electron microscopy）。
过去也有人尝试绕开脂质膜：比如把膜蛋白表面的疏水氨基酸突变为亲水氨基酸，或把膜蛋白结构域嫁接到可溶性支架上。但这些方法往往要改动天然序列。问题随之而来：你看到的还是原来的蛋白吗？它的表位（epitope）、活性位点（active site）、配体结合口袋（ligand-binding pocket）是否仍然可信？
这项研究最值得注意的地方，正是在这里：WRAPs尽量不改膜蛋白本体，而是用从头设计蛋白（de novo–designed protein）给它做一个定制化保护层。
方法学关键：RFdiffusion负责设计骨架，partial diffusion负责贴合目标蛋白，ProteinMPNN负责设计WRAP序列，AF2负责筛选结构可信设计。
WRAPs的核心逻辑很直接：内部面对膜蛋白疏水表面，外部面对水环境，因此它必须同时懂“油”和懂“水”。研究人员用RoseTTAFold扩散模型（RoseTTAFold diffusion, RFdiffusion）设计WRAP骨架，再把目标膜蛋白放入其中，通过部分扩散（partial diffusion）优化二者的形状互补；随后用ProteinMPNN设计WRAP序列，同时保持目标膜蛋白序列固定；最后用AlphaFold2（AF2）筛选预测结构可信的设计。
整个流程包括一个关键细节：部分扩散只用了50个去噪步骤中的20步，就能优化WRAP与目标膜蛋白的骨架相互作用。这意味着它不是无约束地生成一个漂亮蛋白，而是在目标蛋白周围“捏”出一个能贴合疏水表面的结构。
实验上，WRAP与膜蛋白通过柔性连接肽（flexible linker）进行基因融合，在大肠杆菌（Escherichia coli）胞质中表达，并从可溶性组分中纯化。换句话说，研究人员希望把膜蛋白从“必须住在膜里”的对象，变成可以像普通可溶蛋白一样处理的对象。
目前，4%到80%的订购设计能在可溶性组分中检测到，具体比例取决于目标蛋白稳定性和在大肠杆菌中的表达难度。这个跨度也提醒我们：WRAPs不是一键成功的魔法，而是一套正在快速成熟的设计—筛选体系。
研究人员首先选择大肠杆菌外膜蛋白A（outer membrane protein A, OmpA）作为测试对象。OmpA是典型的八链β桶（eight-stranded beta-barrel）膜蛋白。结果很直观：6个N端融合的螺旋型WRAP-OmpA设计中，有5个可溶；6个C端融合的β桶型WRAP-OmpA设计中，有1个可溶。
这两个代表性设计不仅能纯化出来，尺寸排阻色谱（size-exclusion chromatography, SEC）还显示出单一、清晰的峰，说明样品相对均一。圆二色谱（circular dichroism, CD）和差示扫描荧光（differential scanning fluorimetry, DSF）显示，它们在95°C下仍保持折叠和稳定。
冷冻电镜进一步给出结构层面的证据：螺旋型WRAP-OmpA复合物大小为61.2 kDa，获得4.8 Å重构；β桶型WRAP-OmpA大小为41.4 kDa，获得5.6 Å重构。虽然这个分辨率还不足以精细建模，但二级结构位置与计算设计高度一致。更重要的是，ELISA显示WRAP-OmpA仍能被多克隆OmpA抗体识别；天然质谱还确认它能结合OmpA天然配体几丁二糖（chitobiose）。
这里的逻辑链很关键：能溶，只是第一步；能折叠、能被抗体识别、能结合配体，才说明它没有变成一个“可溶但失真”的蛋白样品。
如果WRAPs只能处理已有结构、表达良好的膜蛋白，它的价值会有限。研究人员随后把目标转向梅毒螺旋体（Treponema pallidum）的外膜蛋白。梅毒螺旋体外膜蛋白是潜在疫苗抗原，但这些蛋白高度疏水，表达和纯化都很困难；截至该研究，尚无已报道的实验解析结构。
研究人员选择了4个候选外膜蛋白：TP0126、TP0479、TP0698和TP0733。它们都被AF2预测为八链β桶跨膜蛋白，跨膜结构域预测置信度较高，pLDDT超过90。对于每个目标，研究人员从约10到48个设计模型开始筛选，最终每个目标有15%到30%的设计可溶，并在SEC中显示符合预期大小的洗脱峰。
作为对照，Apo-AI融合策略没有产生正确大小的SEC峰。这个对照很有信息量：不是所有“加一个可溶标签”的策略都能解决问题。WRAPs的优势在于目标特异性设计，而不是简单增加一个通用可溶载体。
在抗原性验证中，研究人员使用感染梅毒螺旋体超过80天的兔血清。ELISA结果显示，感染后血清对WRAP-TP0698、WRAP-TP0126和WRAP-TP0733的反应都强于感染前血清。对于疫苗研究，这意味着WRAP形式至少保留了一部分免疫系统能识别的抗原特征。它还提出一个值得思考的问题：如果过去我们因为技术困难看不清某些膜抗原，那么“不可研究”是否曾经被误认为“不可成药”或“不可成苗”？
结构像，不等于功能在。研究人员进一步测试了两类更有挑战的螺旋多跨膜蛋白（helical multipass transmembrane protein）：细菌膜内蛋白酶GlpG和人源趋化因子受体CXCR4。
GlpG是膜内菱形蛋白酶（rhomboid protease），其催化发生在脂质双层内部。6个WRAP-GlpG设计中有3个可溶，包括野生型酶和催化位点突变体S201A+H254A。WRAP-GlpG在95°C下仍保持结构，而传统去垢剂溶解的天然GlpG转变中点温度约为77°C。冷冻电镜获得了4.7 Å的WRAP-GlpG三维重构，复合物大小为74.3 kDa。功能检测中，野生型WRAP-GlpG在2小时内逐渐积累FP-TAMRA活性探针标记，而催化突变体几乎检测不到标记。这个对照说明，WRAP没有简单地“冻住”一个外形，而是允许活性位点维持功能状态。
CXCR4则更接近药物研发现场。它是七跨膜G蛋白偶联受体（G protein–coupled receptor, GPCR），与肿瘤和免疫迁移相关。研究人员最初尝试全长野生型CXCR4，但在大肠杆菌可溶性组分中检测不到。随后他们设计了保留药理相关表面的截短版本miniCXCR4。46个WRAPed miniCXCR4变体中，有2个进入可溶性组分。miniCXCR4-WRAP大小为66.2 kDa，在95°C下仍保持热稳定，并能结合天然配体CXCL12，表观平衡解离常数（KD）为390 ± 90 nM。这个亲和力与此前去垢剂纯化天然CXCR4的BLI数据约156到180 nM、细胞实验约200 nM处在同一数量级，但低于慢病毒颗粒表面展示CXCR4时约37 nM的结果。
WRAPs能保留结合能力，但并不意味着所有天然构象细节都完全复现。对于药物筛选来说，它可能已经足够有用；对于精确构象药理学来说，还需要更多验证。
关键证据：WRAP-MspA_SBD达到136.7 kDa，最终获得2.95 Å冷冻电镜结构，并与设计模型和天然结构高度吻合。
最能证明WRAPs结构解析潜力的，是分枝杆菌孔蛋白MspA。MspA是八聚体外膜通道，广泛用于纳米孔DNA测序（nanopore DNA sequencing）。研究人员没有包裹完整MspA，而是聚焦其不溶性的跨膜茎区和孔道收缩区域，即MspA_SBD。
8个设计中有1个表达良好且可溶。WRAP-MspA_SBD在75°C下仍保持完全折叠，没有观察到转变温度。更有意思的是，这个构建体删除了MspA C端62个残基，而天然MspA删除最后3个残基就会失去可检测表达；WRAP似乎补偿了这部分稳定性损失。
由于WRAP-MspA_SBD复合物达到136.7 kDa，超过小分子量冷冻电镜样品的主要限制，研究人员对其进行了更深入的数据采集：共采集12,234个movies，并使用0°、15°、25°、30°多个倾角改善角度覆盖。最终获得D8对称约束下2.95 Å分辨率的冷冻电镜结构，C1对称下也达到约3.34 Å。与原始C8设计模型相比，整体RMSD为0.7 Å；只比较MspA_SBD时，RMSD为0.5 Å；与传统去垢剂方法解析的全长MspA结构相比，RMSD为0.4 Å。关键孔道残基天冬氨酸91（aspartate 91）的侧链构象也得到保留。
WRAP不是只让膜蛋白“看起来可溶”，而是在一个复杂寡聚膜蛋白上，把计算设计、可溶表达和高分辨率结构解析串联了起来。
WRAPs的价值不只是把某几个膜蛋白做成了可溶形式。它更像是一种研究范式的变化：过去我们围绕膜蛋白寻找合适去垢剂、脂质纳米盘（nanodisc）、两亲性聚合物或重构体系；现在可以反过来，为目标膜蛋白设计一个水溶性的蛋白环境。
这对疫苗开发尤其有启发。许多病原体表面抗原是膜蛋白，真正有免疫价值的表位可能依赖多个胞外环和β桶核心的天然构象。单独展示一个环，可能会漏掉关键抗体；用去垢剂处理，又可能带来构象不确定性。WRAPed抗原提供了一种中间路线：保留天然序列和较完整构象，同时避免长期依赖去垢剂。
对药物发现也是如此。膜蛋白靶点如果能以稳定、可溶、抗原性较完整的形式存在，就更适合高通量小分子筛选、抗体筛选，以及后续药物—靶点复合物结构研究。研究中WRAP纯化蛋白的典型产量为每升0.5到15 mg，已经具有一定实用基础。
当然局限性也不能忽视。小于100 kDa的WRAPed膜蛋白在单颗粒冷冻电镜中仍面临信噪比低和取向偏好问题，因此OmpA、TP0698和GlpG虽然显示了结构一致性，却未达到普遍可建模的高分辨率。WRAP目前还需要为不同目标进行定制设计，并且研究中提到当前主要适用于约500个氨基酸以内的蛋白。全长GPCR这类复杂靶标仍未被完全解决。
也正因为这些限制，这项研究更值得关注。它没有宣称膜蛋白难题已经结束，而是给出了一个可验证、可扩展、能被数据检验的新方向：当深度学习蛋白设计（deep learning–based protein design）不再只是生成漂亮结构，而开始为实验体系解决具体瓶颈时，结构生物学、疫苗学和药物发现之间的边界会变得更近。
下一次，当我们说某个膜蛋白“太难做”时，也许需要多问一句：它是真的不可研究，还是我们还没有为它设计出合适的水溶性环境？
参考文献
