在我們的身體與許多生物體中，有一種被稱為「伴護蛋白」的分子，負責協助其它蛋白質摺疊成正確的構形，同時避免打結或聚集沈澱在一起無法發揮功能。其中來自大腸桿菌的 Spy 伴護蛋白因為不需要消耗能量，還能靈活應對各種蛋白質的需求，一直是科學家研究的經典對象。

最近，中國研究團隊在《美國化學學會期刊》（JACS）發表了一項有趣的研究：他們成功「模仿」了 Spy 伴護蛋白的功能，創造出一種全新的人造奈米伴護材料。這種材料的表面就像經過精密設計，可以調整帶正電或負電的結構，先靠靜電吸引把特定蛋白質拉過來，接著利用表面的「疏水小區域」—一種討厭水的微型空間—把蛋白質包起來、隔離起來，防止它們互相糾纏或變形。等到蛋白質成功摺疊好，這些小空間還會自動「打開」，把健康的蛋白質釋放出來，就像是一場分子等級的「安全摺衣術」。

這項研究的創新之處在於，它不是直接從自然界中取用伴護蛋白，而是用化學方法做出「模仿者」，而且效果還比天然版本更穩定，不怕高溫、也更容易保存與應用。

那麼，這項發明有可能用在哪裡呢？在食品科學上，它可能用於協助食物蛋白酵素的取得、延長蛋白質補充品的保存期限、甚至在乳製品或植物蛋白中幫助調整口感與結構、或是食品蛋白質的電紡機制應用？！未來也許我們吃到的某些高機能食品，背後就藏著這樣一位「奈米級蛋白摺衣師」。

Folding-Docking-Affinity (FDA) 框架代表了蛋白質-小分子結合親和力預測領域的一個重要進展。傳統的對接方法通常依賴蛋白質結構或是基於氨基酸序列的預測，但這些方法往往未能有效捕捉蛋白質-配體結合過程中的複雜相互作用。FDA框架將蛋白質摺疊、配體對接和結合親和力預測有機結合，通過深度學習與機器學習模型的協同作用，大幅提升了結合親和力預測的準確性。

該框架的三個核心組成部分分別為：蛋白質摺疊，通過深度學習模型預測蛋白質的三維結構；配體對接，利用對接算法確定配體在蛋白質結合位點的最佳結合姿勢；親和力預測，基於計算得到的蛋白質-配體複合物結構，應用機器學習模型預測其結合親和力。這種全流程的預測方法，不僅能準確模擬蛋白質-小分子結合的過程，還能填補缺乏實驗結構資料的情況下的預測需求。

FDA框架的驗證結果顯示，在DAVIS數據集上的表現與目前最先進的對接方法相當，並且能夠在缺乏結晶結構的情況下仍提供準確的預測。其在虛擬篩選、藥物先導優化以及機制研究中的應用，將對藥物發現領域產生深遠影響。

總結來說，FDA框架為蛋白質-小分子結合親和力預測提供了一個更為精確和全面的方法，未來將成為藥物設計和開發過程中的重要工具。

Personal Comments：第一次看到在AI預測蛋白質結構中使用了Protein-ligand interaction的結合作用，很有趣。值得後續思考和觀察可能的應用方式。

Reference: https://www.researchgate.net/publication/390567922_A_Folding-Docking-Affinity_framework_for_protein-ligand_binding_affinity_prediction

當前結構生物學中的蛋白質動態研究備受關注，因其直接關係到分子功能及藥物設計。高速原子力顯微鏡（High-Speed Atomic Force Microscopy, HS-AFM）憑藉每幀約20至50毫秒(ms)的時間解析度，能夠實時記錄蛋白質在近生理條件下的構象變化，如折疊、構象轉換與複合體組裝等大尺度運動。儘管對於微秒級甚至更快的分子振動，HS-AFM仍存在技術局限，但在觀察蛋白質整體動態行為方面，該技術已提供了不可或缺的高分辨率動態影像。

另一方面，「動態結構預測與結晶傾向模型」（Dynamic Structure Determination and Crystalization, DSDCrystal模型）是一款專為預測蛋白質在各種環境中動態特性及其結晶潛能而設計的計算工具。該模型結合基於物理原理的傳統模型與先進的深度學習技術，自動從大量蛋白質序列與結構數據中抽取高維特徵，進而識別蛋白質結構變化與晶體形成之間的隱含規律。

將HS-AFM與DSDCrystal模型結合，能形成一個實驗與理論互補的模式：HS-AFM提供的高時間解析動態影像，可用於實時監測蛋白質構象變化，進而校準及豐富DSDCrystal模型的預測結果；而該模型的預測又能指導實驗設計，幫助確定最佳結晶條件，提升蛋白質結晶成功率。這種協同效應不僅有望加深對蛋白質動態與結晶機制的理解，同時也為藥物研發和合成生物學帶來新契機。

澳洲-昆士蘭大學（The University of Queensland）的食品科學家Bhesh Bhandari教授，專注於食品材料科學與工程領域，特別是在3D食品列印技術。​他的研究旨在將非傳統的蛋白質來源，如昆蟲蛋白，轉化為消費者更易接受的食品形式。 ​

昆蟲蛋白因其高營養價值和環保優勢，逐漸受到關注。然而，直接食用昆蟲在許多文化中仍存在心理障礙。​為解決這一問題，Bhandari教授的團隊開發了將昆蟲蛋白粉末透過3D列印技術製成形狀吸引的食品，如雞腿形狀。​這種方法不僅提升了食品的視覺吸引力，還有助於提高消費者對昆蟲蛋白的接受度。 

3D食品列印技術的核心在於製備適合列印的「食品墨水」。​這些墨水需要具備適當的流變特性，確保在列印過程中能順利擠出並保持形狀。​Bhandari教授的研究團隊致力於探索如何將昆蟲蛋白與其他植物性或動物性成分混合，製備出具有良好列印性能和營養價值的食品墨水。 ​

此外，該團隊還研究了3D列印食品的質地、風味和營養成分，確保最終產品在感官和健康方面都能滿足消費者需求。​他們的研究顯示，透過精確調控列印參數和配方組成，可以生產出具有特定質地和營養特性的食品，滿足不同人群的需求，如老年人或特殊飲食需求者。 ​PubMed​

Interesting Questions：食品墨水、什麼樣的昆蟲（黑水虻？）、特殊飲食需求者