Evozyne 与英伟达团队在《PNAS》提出 ProT-VAE 模型，融合变换器与 VAE，以三层嵌套架构突破蛋白质设计难题。其无需多序列比对，外层预训练变换器处理未对齐序列，内层 VAE 构建可解释 latent 空间。实验中，设计的苯丙氨酸羟化酶活性达野生型 2.5 倍，γ- 碳酸酐酶熔点飙升 61℃至 116℃，且能在工业碳捕捉极端条件下保持活性。该模型为药物研发、工业催化提供高效工具，推动蛋白质工程进入精准设计时代。

在合成生物学领域，设计具备特定功能的蛋白质是长期目标 —— 它能推动药物研发、工业催化、碳捕捉等多个领域的突破。但蛋白质序列空间极其庞大（仅 300 个氨基酸的蛋白质就有 20³⁰⁰种可能），传统方法效率低下。2025 年，Evozyne 公司与英伟达团队在《PNAS》发表研究，提出蛋白质变换器变分自编码器（ProT-VAE），融合变换器与变分自编码器的优势，成功设计出催化活性提升 2.5 倍的苯丙氨酸羟化酶，以及熔点飙升 61℃的 γ- 碳酸酐酶，为数据驱动的蛋白质工程开辟了高效路径。

一、蛋白质设计的 “三大痛点”：传统方法为何举步维艰？

蛋白质的功能由氨基酸序列决定，但设计新序列面临三大核心难题：

1.1 序列空间庞大，筛选难度堪比 “大海捞针”

即使是短链蛋白质，可能的序列组合也呈指数级增长。例如工业常用的碳酸酐酶（约 300 个氨基酸），潜在序列数超 20³⁰⁰，远超宇宙中原子总数，传统实验筛选方法（如定向进化）需耗费数年，且成功率极低。

1.2 需兼顾多重功能，平衡难度大

优质蛋白质需同时满足 “高活性、高稳定性、耐极端环境” 等需求。例如碳捕捉用酶，既要在 90℃、强碱性条件下保持活性，又要具备长期稳定性，传统设计方法往往 “顾此失彼”—— 提升活性可能导致稳定性下降。

1.3 依赖多序列比对（MSA），适用范围受限

此前主流的生成模型（如 VAE）需构建多序列比对（MSA），即收集大量同源蛋白质序列进行对齐分析。但 MSA 构建耗时耗力，且许多蛋白质家族缺乏足够同源序列，限制了模型的应用场景。

二、ProT-VAE 的核心创新：变换器 + VAE 的 “双剑合璧”

ProT-VAE 的突破在于融合变换器（Transformer）的强特征提取能力与变分自编码器（VAE）的可解释 latent 空间，构建三层嵌套架构，从根本上解决传统方法的痛点：

2.1 三层架构：兼顾通用性与特异性

图1 ProT-VAE 模型架构示意图

ProT-VAE 的架构由外到内分为三层，各司其职且可灵活迁移：

外层：预训练变换器（ProtT5nv）：基于英伟达 BioNeMo 框架，用 4600 万条蛋白质序列预训练，能提取蛋白质的高维特征（约 30 万个维度），无需 MSA 即可处理任意长度的未对齐序列，解决了传统模型依赖同源序列的局限。

中层：压缩 / 解压缩模块：通过 1×1 卷积和 LayerNorm，将变换器的高维特征压缩至 32768 维，既保留关键信息，又降低后续计算成本；解压缩模块则能将低维特征还原为符合蛋白质序列规律的高维表示。

内层：家族特异性 VAE：针对特定蛋白质家族（如碳酸酐酶、苯丙氨酸羟化酶）训练的轻量级 VAE，将中层特征进一步压缩至 4-6 维的低维 latent 空间。这个空间具备平滑性和可解释性，不同维度对应蛋白质的关键功能（如活性、耐热性），为定向设计提供可能。

2.2 关键优势：无需 MSA、可解释、快迁移

无需多序列比对（MSA）：变换器模块直接处理未对齐序列，大幅降低数据准备成本，即使小众蛋白质家族也能适用；

latent 空间可解释：低维 latent 空间中，相近点对应功能相似的蛋白质，通过插值可生成渐变序列，实现 “活性渐变”“耐热性调节” 等定向设计；

迁移性强：外层变换器和中层压缩模块只需预训练一次，更换蛋白质家族时仅需重新训练内层 VAE，训练时间从数月缩短至数天。

2.3 训练逻辑：无监督 + 半监督结合

ProT-VAE 采用无监督训练为主、半监督训练为辅的模式：

无监督训练：用海量未标注序列学习蛋白质的 “序列语法”；

半监督微调：用少量带功能标签的序列微调 VAE，让 latent 空间与功能强关联，确保设计的序列符合目标需求。

三、实验验证：ProT-VAE 的 “超能力” 有多强？

团队在三种蛋白质上验证 ProT-VAE 的性能，实验结果远超预期：

3.1 苯丙氨酸羟化酶（PAH）：催化活性提升 2.5 倍

图2 ProT-VAE 设计 PAH 序列的 latent 空间分布

PAH 是人体代谢苯丙氨酸的关键酶，其变体可用于罕见病治疗。ProT-VAE 设计了 190 条合成序列，实验测试显示：

36% 的序列具备活性，10% 的序列活性超过野生型；

最优设计仅含 19 个突变（共 333 个氨基酸），催化活性达到野生型的 2.5 倍，AlphaFold 预测显示其结构与野生型高度契合，确保了功能稳定性。

3.2 γ- 碳酸酐酶：熔点飙升 61℃，适配工业碳捕捉

图3 ProT-VAE 设计的 β/γ- 碳酸酐酶熔点与突变距离关系图

碳酸酐酶能催化二氧化碳与水反应，是碳捕捉技术的核心酶。ProT-VAE 设计的 γ- 碳酸酐酶表现惊艳：

熔点（Tm）达 116℃，比已知最耐热的天然 γ- 碳酸酐酶（55℃）提升 61℃，创造新纪录；

在 93℃、23% 甲基二乙醇胺（工业碳捕捉常用溶剂）、pH=11.25 的极端条件下仍保持活性，且催化效率达到牛碳酸酐酶的 0.8 倍，完全满足工业应用需求。

3.3 β- 碳酸酐酶：稳定性显著提升

设计的 β- 碳酸酐酶最优变体熔点达 101℃，比已知最耐热的天然变体（89℃）提升 12℃，且 23% 的合成序列具备可测量的催化活性，证明 ProT-VAE 的设计成功率远超传统方法。

3.4 SH3 结构域：无需 MSA 也能精准预测功能

在 SH3 结构域（参与细胞信号传导的蛋白质家族）的测试中，ProT-VAE 无需构建 MSA，仅通过未对齐序列训练，就能准确预测蛋白质的结合活性，AUC 值达 0.98，超过依赖 MSA 的传统 VAE 模型（AUC=0.95）。

四、落地价值：从药物研发到工业催化的全方位突破

ProT-VAE 的成功不仅是技术进步，更能推动多个领域的实际应用：

4.1 药物研发：加速酶替代疗法开发

对于苯丙酮尿症等罕见病，PAH 酶替代疗法是重要治疗方向。ProT-VAE 设计的高活性 PAH 变体，能降低药物剂量、提升治疗效果，缩短研发周期从 5-10 年至 1-2 年。

4.2 工业催化：降低碳捕捉成本

碳捕捉是应对气候变化的关键技术，而耐热、耐溶剂的碳酸酐酶是核心耗材。ProT-VAE 设计的 γ- 碳酸酐酶能适应工业极端条件，大幅降低酶的更换频率，预计可使碳捕捉成本降低 30% 以上。

4.3 合成生物学：定制化蛋白质设计

无论是降解塑料的酶、生产生物燃料的催化剂，还是新型抗体，ProT-VAE 都能快速设计出符合需求的序列，推动合成生物学从 “试错驱动” 向 “设计驱动” 转型。

五、未来展望：ProT-VAE 的进化方向

团队表示，ProT-VAE 仍有巨大优化空间：

条件生成：未来可通过自然语言提示（如 “设计耐 150℃的脂肪酶”）或功能参数（如 “活性提升 3 倍、熔点 120℃”），实现更精准的定向设计；

跨家族迁移：探索单一 VAE latent 空间适配多个相关蛋白质家族，进一步降低训练成本；

融合物理先验：将蛋白质结构、动力学等物理信息融入模型，提升低数据场景下的设计成功率。

六、总结：蛋白质设计进入 “精准高效” 新时代

ProT-VAE 的核心价值，在于打破了 “序列 - 功能” 黑箱，通过 “变换器提取特征 + VAE 构建可解释 latent 空间”，让蛋白质设计从 “盲目筛选” 变为 “精准调控”。其设计的酶既实现了活性翻倍，又能耐受极端工业环境，证明了数据驱动模型在蛋白质工程中的巨大潜力。随着技术的迭代，未来我们或许能按需设计出任意功能的蛋白质，为医药、能源、环保等领域带来颠覆性变革。

 

---

论文链接：https://www.pnas.org/doi/abs/10.1073/pnas.2408737122

Evozyne 与英伟达团队在《PNAS》提出 ProT-VAE 模型，融合变换器与 VAE，以三层嵌套架构突破蛋白质设计难题。其无需多序列比对，外层预训练变换器处理未对齐序列，内层 VAE 构建可解释 latent 空间。实验中，设计的苯丙氨酸羟化酶活性达野生型 2.5 倍，γ- 碳酸酐酶熔点飙升 61℃至 116℃，且能在工业碳捕捉极端条件下保持活性。该模型为药物研发、工业催化提供高效工具，推动蛋白质工程进入精准设计时代。

在合成生物学领域，设计具备特定功能的蛋白质是长期目标 —— 它能推动药物研发、工业催化、碳捕捉等多个领域的突破。但蛋白质序列空间极其庞大（仅 300 个氨基酸的蛋白质就有 20³⁰⁰种可能），传统方法效率低下。2025 年，Evozyne 公司与英伟达团队在《PNAS》发表研究，提出蛋白质变换器变分自编码器（ProT-VAE），融合变换器与变分自编码器的优势，成功设计出催化活性提升 2.5 倍的苯丙氨酸羟化酶，以及熔点飙升 61℃的 γ- 碳酸酐酶，为数据驱动的蛋白质工程开辟了高效路径。

一、蛋白质设计的 “三大痛点”：传统方法为何举步维艰？

蛋白质的功能由氨基酸序列决定，但设计新序列面临三大核心难题：

1.1 序列空间庞大，筛选难度堪比 “大海捞针”

即使是短链蛋白质，可能的序列组合也呈指数级增长。例如工业常用的碳酸酐酶（约 300 个氨基酸），潜在序列数超 20³⁰⁰，远超宇宙中原子总数，传统实验筛选方法（如定向进化）需耗费数年，且成功率极低。

1.2 需兼顾多重功能，平衡难度大

优质蛋白质需同时满足 “高活性、高稳定性、耐极端环境” 等需求。例如碳捕捉用酶，既要在 90℃、强碱性条件下保持活性，又要具备长期稳定性，传统设计方法往往 “顾此失彼”—— 提升活性可能导致稳定性下降。

1.3 依赖多序列比对（MSA），适用范围受限

此前主流的生成模型（如 VAE）需构建多序列比对（MSA），即收集大量同源蛋白质序列进行对齐分析。但 MSA 构建耗时耗力，且许多蛋白质家族缺乏足够同源序列，限制了模型的应用场景。

二、ProT-VAE 的核心创新：变换器 + VAE 的 “双剑合璧”

ProT-VAE 的突破在于融合变换器（Transformer）的强特征提取能力与变分自编码器（VAE）的可解释 latent 空间，构建三层嵌套架构，从根本上解决传统方法的痛点：

2.1 三层架构：兼顾通用性与特异性

图1 ProT-VAE 模型架构示意图

ProT-VAE 的架构由外到内分为三层，各司其职且可灵活迁移：

外层：预训练变换器（ProtT5nv）：基于英伟达 BioNeMo 框架，用 4600 万条蛋白质序列预训练，能提取蛋白质的高维特征（约 30 万个维度），无需 MSA 即可处理任意长度的未对齐序列，解决了传统模型依赖同源序列的局限。

中层：压缩 / 解压缩模块：通过 1×1 卷积和 LayerNorm，将变换器的高维特征压缩至 32768 维，既保留关键信息，又降低后续计算成本；解压缩模块则能将低维特征还原为符合蛋白质序列规律的高维表示。

内层：家族特异性 VAE：针对特定蛋白质家族（如碳酸酐酶、苯丙氨酸羟化酶）训练的轻量级 VAE，将中层特征进一步压缩至 4-6 维的低维 latent 空间。这个空间具备平滑性和可解释性，不同维度对应蛋白质的关键功能（如活性、耐热性），为定向设计提供可能。

2.2 关键优势：无需 MSA、可解释、快迁移

无需多序列比对（MSA）：变换器模块直接处理未对齐序列，大幅降低数据准备成本，即使小众蛋白质家族也能适用；

latent 空间可解释：低维 latent 空间中，相近点对应功能相似的蛋白质，通过插值可生成渐变序列，实现 “活性渐变”“耐热性调节” 等定向设计；

迁移性强：外层变换器和中层压缩模块只需预训练一次，更换蛋白质家族时仅需重新训练内层 VAE，训练时间从数月缩短至数天。

2.3 训练逻辑：无监督 + 半监督结合

ProT-VAE 采用无监督训练为主、半监督训练为辅的模式：

无监督训练：用海量未标注序列学习蛋白质的 “序列语法”；

半监督微调：用少量带功能标签的序列微调 VAE，让 latent 空间与功能强关联，确保设计的序列符合目标需求。

三、实验验证：ProT-VAE 的 “超能力” 有多强？

团队在三种蛋白质上验证 ProT-VAE 的性能，实验结果远超预期：

3.1 苯丙氨酸羟化酶（PAH）：催化活性提升 2.5 倍

图2 ProT-VAE 设计 PAH 序列的 latent 空间分布

PAH 是人体代谢苯丙氨酸的关键酶，其变体可用于罕见病治疗。ProT-VAE 设计了 190 条合成序列，实验测试显示：

36% 的序列具备活性，10% 的序列活性超过野生型；

最优设计仅含 19 个突变（共 333 个氨基酸），催化活性达到野生型的 2.5 倍，AlphaFold 预测显示其结构与野生型高度契合，确保了功能稳定性。

3.2 γ- 碳酸酐酶：熔点飙升 61℃，适配工业碳捕捉

图3 ProT-VAE 设计的 β/γ- 碳酸酐酶熔点与突变距离关系图

碳酸酐酶能催化二氧化碳与水反应，是碳捕捉技术的核心酶。ProT-VAE 设计的 γ- 碳酸酐酶表现惊艳：

熔点（Tm）达 116℃，比已知最耐热的天然 γ- 碳酸酐酶（55℃）提升 61℃，创造新纪录；

在 93℃、23% 甲基二乙醇胺（工业碳捕捉常用溶剂）、pH=11.25 的极端条件下仍保持活性，且催化效率达到牛碳酸酐酶的 0.8 倍，完全满足工业应用需求。

3.3 β- 碳酸酐酶：稳定性显著提升

设计的 β- 碳酸酐酶最优变体熔点达 101℃，比已知最耐热的天然变体（89℃）提升 12℃，且 23% 的合成序列具备可测量的催化活性，证明 ProT-VAE 的设计成功率远超传统方法。

3.4 SH3 结构域：无需 MSA 也能精准预测功能

在 SH3 结构域（参与细胞信号传导的蛋白质家族）的测试中，ProT-VAE 无需构建 MSA，仅通过未对齐序列训练，就能准确预测蛋白质的结合活性，AUC 值达 0.98，超过依赖 MSA 的传统 VAE 模型（AUC=0.95）。

四、落地价值：从药物研发到工业催化的全方位突破

ProT-VAE 的成功不仅是技术进步，更能推动多个领域的实际应用：

4.1 药物研发：加速酶替代疗法开发

对于苯丙酮尿症等罕见病，PAH 酶替代疗法是重要治疗方向。ProT-VAE 设计的高活性 PAH 变体，能降低药物剂量、提升治疗效果，缩短研发周期从 5-10 年至 1-2 年。

4.2 工业催化：降低碳捕捉成本

碳捕捉是应对气候变化的关键技术，而耐热、耐溶剂的碳酸酐酶是核心耗材。ProT-VAE 设计的 γ- 碳酸酐酶能适应工业极端条件，大幅降低酶的更换频率，预计可使碳捕捉成本降低 30% 以上。

4.3 合成生物学：定制化蛋白质设计

无论是降解塑料的酶、生产生物燃料的催化剂，还是新型抗体，ProT-VAE 都能快速设计出符合需求的序列，推动合成生物学从 “试错驱动” 向 “设计驱动” 转型。

五、未来展望：ProT-VAE 的进化方向

团队表示，ProT-VAE 仍有巨大优化空间：

条件生成：未来可通过自然语言提示（如 “设计耐 150℃的脂肪酶”）或功能参数（如 “活性提升 3 倍、熔点 120℃”），实现更精准的定向设计；

跨家族迁移：探索单一 VAE latent 空间适配多个相关蛋白质家族，进一步降低训练成本；

融合物理先验：将蛋白质结构、动力学等物理信息融入模型，提升低数据场景下的设计成功率。

六、总结：蛋白质设计进入 “精准高效” 新时代

ProT-VAE 的核心价值，在于打破了 “序列 - 功能” 黑箱，通过 “变换器提取特征 + VAE 构建可解释 latent 空间”，让蛋白质设计从 “盲目筛选” 变为 “精准调控”。其设计的酶既实现了活性翻倍，又能耐受极端工业环境，证明了数据驱动模型在蛋白质工程中的巨大潜力。随着技术的迭代，未来我们或许能按需设计出任意功能的蛋白质，为医药、能源、环保等领域带来颠覆性变革。

 

---

论文链接：https://www.pnas.org/doi/abs/10.1073/pnas.2408737122