DOI: https://doi.org/10.1038/s41538-026-00743-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41644558
تاريخ النشر: 2026-02-05
المؤلف: Ruiqi Cao وآخرون
الموضوع الرئيسي: تنقية البروتين والاستقرار
نظرة عامة
تتناول هذه المراجعة التحدي الحاسم في التحكم في ذوبانية البروتين، وهو أمر أساسي للتطبيقات في الغذاء والأدوية. تستكشف العوامل الجزيئية والبيئية التي تؤثر على الذوبانية، وتدمج تقنيات التعديل التقليدية مع استراتيجيات مبتكرة مدفوعة بالذكاء الاصطناعي (AI). يبرز المؤلفون التحول من طرق التجربة والخطأ التجريبية إلى التصميم العقلاني المدفوع بالبيانات، مقترحين إطارًا منهجيًا يهدف إلى تعزيز هندسة البروتين عبر مختلف القطاعات الصناعية.
في الاستنتاجات، يؤكد المؤلفون أن تحقيق السيطرة الدقيقة على ذوبانية البروتين هو قضية معقدة تتضمن فهم التفاعلات متعددة المستويات، بما في ذلك توزيع الشحنات الداخلية، وتوازن الهيدروفيلية-الهيدروفوبية، والتغيرات الشكلية التي تتوسطها البيئة. تقيم المراجعة فعالية استراتيجيات التعديل المختلفة – الفيزيائية، الكيميائية، والبيولوجية – وتبرز الإمكانات التحويلية للذكاء الاصطناعي في تعزيز التحكم في الذوبانية. يمثل هذا التحول نحو الأساليب المدفوعة بالآلية تقدمًا كبيرًا في هذا المجال، متجاوزًا المنهجيات التقليدية لتعزيز حلول أكثر فعالية لتحديات ذوبانية البروتين.
مقدمة
في المقدمة، يؤكد المؤلفون على الدور الحاسم للبروتينات كمغذيات كبيرة أساسية في التغذية البشرية، مشيرين إلى مساهماتها في وظائف بيولوجية متنوعة مثل تحفيز التفاعلات الأيضية، وتكرار الحمض النووي، والحفاظ على بنية الخلايا. بالإضافة إلى قيمتها الغذائية، تظهر البروتينات تعددية الوظائف في السياقات البيئية، مؤثرة على عمليات مثل تشكيل الأغشية الحيوية والاستجابات للضغوط البيئية. يشير المؤلفون إلى أن الخصائص الوظيفية للبروتينات، التي تحددها خصائصها الفيزيائية والكيميائية، تؤثر بشكل كبير على خصائص الغذاء وتطبيقاته في الأدوية والمواد الحيوية.
تركز هذه القسم بشكل رئيسي على ذوبانية البروتين، التي تُعتبر محددًا مركزيًا لوظائف البروتين في أنظمة الغذاء. يشرح المؤلفون أن الذوبانية تؤثر على وظائف متنوعة، بما في ذلك الاستحلاب، والرغوة، والتجلي، وترتبط إيجابيًا بتوافر البروتين الحيوي. ومع ذلك، فإن هذه العلاقة معقدة ويمكن أن تتأثر بعوامل مثل القابلية للهضم ومصفوفة الغذاء. كما يبرز المؤلفون أن استقرار المعالجة حساس للذوبانية، حيث يؤدي التجمع غير القابل للعكس إلى فشل وظيفي. وبالتالي، يتم تقديم تعزيز ذوبانية البروتينات ذات الذوبانية الضعيفة كطريق حاسم للابتكار في صناعة الغذاء، حيث يتم قياس الذوبانية عادة كنسبة من النيتروجين القابل للذوبان.
طرق
في هذا القسم، يناقش المؤلفون الأساليب التآزرية التي تجمع بين الطرق الفيزيائية والكيميائية والبيولوجية لتعزيز ذوبانية البروتين. تُستخدم المعالجات الفيزيائية لتعطيل التجمعات المضغوطة للبروتينات ذات الذوبانية الضعيفة، مما يسهل اختراق المواد الكيميائية بشكل أفضل للتعديلات الكيميائية اللاحقة. تسمح استراتيجية “البيولوجيا أولاً، ثم الكيمياء” للطرق البيولوجية بتقليل التجمع الهيدروفوبي في البداية، مما يكشف عن المواقع التفاعلية للتعديلات الكيميائية المستهدفة التي تحسن الذوبانية والاستقرار. على النقيض من ذلك، فإن نهج “الكيمياء أولاً، البيولوجيا ثانياً” يكشف انتقائيًا عن المواقع التفاعلية من خلال تغييرات شكلية محدودة، مما يمكّن المعالجة البيولوجية اللاحقة من تعزيز الشحنة والهيدروفيلية، وبالتالي خلق حلقة تغذية راجعة من الكيمياء والبيولوجيا.
يبرز المؤلفون التقدم في استراتيجيات الذكاء الاصطناعي التي تنتقل بهندسة ذوبانية البروتين من الطرق التجريبية إلى الأساليب المدفوعة بالبيانات. تعمل نماذج التعلم العميق، مثل نموذج التنبؤ القائم على CNN وTransformer (DeepSoluE)، على رسم تسلسلات الأحماض الأمينية إلى سلوكيات الذوبانية بشكل فعال، بينما تستهدف أدوات مثل solPredict ذوبانية الأجسام المضادة في أنظمة العازلات المحددة. تدعم قاعدة بيانات eSOL، التي تصف الذوبانية لأكثر من 4,000 بروتين من E. coli، هذه التدفقات المدفوعة بالبيانات. ومع ذلك، يشير المؤلفون إلى القيود في النماذج الحالية، بما في ذلك تحيز مجموعة البيانات، وغموض التسميات، وغياب الاعتبار للسياقات الفيزيائية والكيميائية، مما قد يعيق إمكانية التعميم عبر أنظمة التعبير المختلفة والتطبيقات.
نقاش
يستعرض قسم النقاش في ورقة البحث المحددات متعددة الأوجه لذوبانية البروتين، مؤكدًا على كل من الخصائص الجزيئية الداخلية والعوامل البيئية الخارجية. تشمل العوامل الداخلية الرئيسية تركيبة الأحماض الأمينية، وتوزيع الشحنة السطحية، والنقطة المعزولة (pI) للبروتينات. تشير الدراسات المذكورة إلى أن بقايا الهيدروفيلية تعزز الذوبانية بشكل كبير، على الرغم من أن هذا التأثير يمكن أن يتأثر بالشحنة الصافية للبروتين. تلعب العوامل البيئية مثل درجة حموضة المحلول، وقوة الأيونات، ودرجة الحرارة، ومختلف المعالجات الفيزيائية (مثل القص عالي السرعة، والضغط العالي جدًا، والمعالجة الحرارية) أيضًا أدوارًا حاسمة في ديناميات الذوبانية. على سبيل المثال، يمكن أن تؤدي الانحرافات عن النقطة المعزولة إلى زيادة الذوبانية، بينما يمكن أن تعزز القوة الأيونية العالية أو تقلل من الذوبانية اعتمادًا على تركيز الملح.
يستكشف القسم أيضًا تقنيات التعديل المختلفة، بما في ذلك التعديلات الكيميائية (مثل الفسفرة غير الإنزيمية، والتأسي، والغليكوزيل، وزراعة البوليفينول) والنهج البيولوجية (مثل الإنزيموليس والتعديل الجيني). يمكن أن تعزز هذه الطرق الذوبانية عن طريق تغيير بنية البروتين وتوزيع الشحنة، مما يحسن تفاعلات البروتين-الماء. يبرز المؤلفون الإمكانية لاستراتيجيات تآزرية تدمج تقنيات تعديل متعددة لتحقيق تحسينات أكبر في الذوبانية بشكل أكثر كفاءة. يؤكد الاستنتاج على تعقيد ذوبانية البروتين والدور الواعد للذكاء الاصطناعي في تعزيز الفهم والتحكم في الذوبانية من خلال الأساليب المدفوعة بالآلية.
DOI: https://doi.org/10.1038/s41538-026-00743-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41644558
Publication Date: 2026-02-05
Author(s): Ruiqi Cao et al.
Primary Topic: Protein purification and stability
Overview
This review addresses the critical challenge of controlling protein solubility, which is essential for applications in food and pharmaceuticals. It explores the molecular and environmental factors that influence solubility, integrating traditional modification techniques with innovative artificial intelligence (AI)-driven strategies. The authors highlight a shift from empirical trial-and-error methods to data-driven rational design, proposing a systematic framework aimed at enhancing protein engineering across various industrial sectors.
In the conclusions, the authors emphasize that achieving precise control over protein solubility is a complex issue that involves understanding multi-level interactions, including intrinsic charge distribution, hydrophilic-hydrophobic balance, and environment-mediated conformational changes. The review evaluates the effectiveness of various modification strategies—physical, chemical, and biological—and underscores the transformative potential of AI in advancing solubility control. This shift towards mechanism-driven approaches marks a significant progression in the field, moving beyond traditional methodologies to foster more effective solutions for protein solubility challenges.
Introduction
In the introduction, the authors emphasize the critical role of proteins as essential macronutrients in human nutrition, highlighting their contributions to various biological functions such as catalyzing metabolic reactions, replicating DNA, and maintaining cellular architecture. Beyond their nutritional value, proteins exhibit multifunctionality in ecological contexts, influencing processes like biofilm formation and responses to environmental stressors. The authors note that the functional properties of proteins, which are determined by their physicochemical attributes, significantly impact food characteristics and applications in pharmaceuticals and biomaterials.
A key focus of the section is on protein solubility, which is identified as a central determinant of protein functionality in food systems. The authors explain that solubility affects various functionalities, including emulsification, foaming, and gelation, and is positively correlated with protein bioavailability. However, this relationship is complex and can be influenced by factors such as digestibility and the food matrix. The authors also highlight that processing stability is sensitive to solubility, with irreversible aggregation leading to functional failures. Consequently, enhancing the solubility of poorly soluble proteins is presented as a crucial avenue for innovation in the food industry, with solubility typically measured as the percentage of soluble nitrogen.
Methods
In this section, the authors discuss the synergistic approaches combining physical, chemical, and biological methods to enhance protein solubility. Physical treatments are employed to disrupt compact aggregates of poorly soluble proteins, facilitating better reagent penetration for subsequent chemical modifications. The “biological first, then chemical” strategy allows biological methods to initially reduce hydrophobic aggregation, exposing reactive sites for targeted chemical modifications that improve solubility and stability. Conversely, a “chemistry-first, biology-second” approach selectively exposes reactive sites through limited conformational changes, enabling subsequent biological processing to enhance charge and hydrophilicity, thus creating a feedback loop of chemistry and biology.
The authors highlight advancements in AI-driven strategies that transition protein solubility engineering from empirical methods to data-driven approaches. Deep learning models, such as the CNN-and Transformer-based predictor (DeepSoluE), effectively map amino acid sequences to solubility behaviors, while tools like solPredict target antibody solubility in specific buffer systems. The eSOL database, which profiles solubility for over 4,000 E. coli proteins, supports these data-driven workflows. However, the authors note limitations in current models, including dataset bias, label ambiguity, and a lack of consideration for physicochemical contexts, which may hinder generalizability across different expression systems and applications.
Discussion
The discussion section of the research paper outlines the multifaceted determinants of protein solubility, emphasizing both intrinsic molecular characteristics and extrinsic environmental factors. Key intrinsic factors include the amino acid composition, surface charge distribution, and the isoelectric point (pI) of proteins. The studies cited indicate that hydrophilic residues significantly enhance solubility, although this effect can be modulated by the protein’s net charge. Environmental factors such as solution pH, ionic strength, temperature, and various physical treatments (e.g., high-speed shearing, ultra-high pressure, thermal treatment) also play crucial roles in solubility dynamics. For instance, deviations from the pI can lead to increased solubility, while high ionic strength can either enhance or diminish solubility depending on the concentration of salt.
The section further explores various modification techniques, including chemical modifications (e.g., non-enzymatic phosphorylation, acylation, glycation, and polyphenol grafting) and biological approaches (e.g., enzymolysis and genetic engineering). These methods can enhance solubility by altering protein structure and charge distribution, thereby improving protein-water interactions. The authors highlight the potential for synergistic strategies that integrate multiple modification techniques to achieve greater solubility enhancements more efficiently. The conclusion emphasizes the complexity of protein solubility and the promising role of artificial intelligence in advancing the understanding and control of solubility through mechanism-driven approaches.