REXzyme 把化学反应当源语言翻译成酶序列，甲酸脱氢酶设计 C20 比活达野生型 2.5 倍
核心概要
酶工程长期依赖定向进化，单点突变中只有不到 5% 有益，却要筛选成千上万个变体。REXzyme 把酶设计改写成一个翻译任务：编码器读入以 SMILES 书写的反应，解码器逐字生成氨基酸序列，模型在约 2100 万对反应—酶序列上训练。针对甲酸脱氢酶催化二氧化碳还原这一逆向反应，经家族特异微调和强化学习对齐后生成的 20 个设计全部可溶表达并具还原活性，其中 C20 的比活达到 80.8 mU/mg，为野生型 CtFDH 的 2.5 倍。
深度剖析
酶序列的生成现在可以由用户指定的完整化学反应来驱动，底物和产物以原子级 SMILES 形式写入输入，而不是靠序列提示或宽泛的功能注释来间接指定。 此前面向蛋白质生成的蛋白质语言模型多采用仅解码器结构，缺少把完整化学反应作为条件的直接机制；而酶工程恰恰需要明确写出目标化学转化。 模型在自建的约 2100 万对非冗余反应—酶序列上训练，这些配对来自 Rhea、BKMS、UniProt 和 BRENDA，覆盖约 1.6 万个独特反应与约 1500 万条独特酶序列，训练集与测试集按化学反应不重叠划分。
模型把反应翻译成序列的过程，是在编码器—解码器结构上做自回归生成：编码器读反应，解码器依据已生成的 token 逐个预测下一个氨基酸。 反应一侧用自定义的 ABPE 分词算法处理，先把 Cl 这类原子单元识别为不可分割的整体，再把高频共现的 SMILES 片段合并成一个 token；酶一侧按单字母氨基酸逐字符切分。 训练目标是最小化给定反应下目标酶序列的负对数似然，使模型能从同类反应—酶对中提取共同模式，例如不同腈水解酶底物偏好不同但水解腈类化合物的机制与化学基团保持守恒。
在甲酸脱氢酶上，设计出的变体把二氧化碳还原的比活推高到野生型 CtFDH 的 2.5 倍，且全部突变位于催化位点之外。 天然甲酸脱氢酶大多在二氧化碳还原方向上活性很低，此前对 CtFDH 的改造主要集中在对活性位点内或邻近的少数残基做单点或双点替换。 20 个设计均在 Escherichia coli BL21(DE3) 中可溶表达并纯化，在 pH 7.5、25±4 摄氏度下测活，全部显示可测的二氧化碳还原活性；C20 的比活为 80.8±2.1 mU/mg，野生型 CtFDH 为 32.0±3.5 mU/mg，同一条件下重测的两个文献最优变体 D188R 低于野生型、G93H/I94Y 仅小幅提升。
启示与展望
实验验证集中在 NAD+ 依赖的甲酸脱氢酶催化二氧化碳还原为甲酸这一反应上，活性测定在 pH 7.5、25±4 摄氏度下进行，对照为野生型 CtFDH 与两个文献报道的 CtFDH 变体；其余反应只做了计算层面的结构与功能预测。
结构预测与 CLEAN 功能分类只说明设计在计算上合理，并不能确证催化活性；训练数据来自公共数据库，其中不少注释基于同源性推断而非直接测活，给模型学到的关系带来不确定性；C20 的 11 处突变为何提升活性只有结构分析层面的推测，作者明确指出需要系统的突变研究才能给出确凿证据。