绝大多数天然蛋白质并非静态雕塑，而是通过在两种或多种构象状态之间切换来执行功能（如G蛋白信号传导、酶的活性开关等）。然而，传统的计算蛋白质设计方法通常局限于优化单一的静态结构，忽略了这种动态特性。为了填补这一空白，本文提出了一种名为“构象偏置”（Conformational Biasing, CB）的高效计算工作流。该方法利用逆折叠模型（如ProteinMPNN）的对比评分机制，能够快速预测出稳定特定构象状态的突变。研究假设，通过通过识别并引入能够改变构象种群平衡的突变，可以在不直接改变活性位点的情况下，精确地开启或关闭蛋白质功能，甚至改变其底物特异性。本文通过多个数据集验证了该方法的有效性，并深入展示了如何利用CB方法成功改造硫辛酸连接酶（LplA），使其产生具有高度差异化功能的变体，为蛋白质动态工程学提供了通用的工具。

结果 1：构象偏置（CB）工作流的开发

研究团队开发了CB工作流，旨在快速且可扩展地预测能够使蛋白质偏向特定构象的突变。该方法将感兴趣蛋白质的每一个可能的点突变与两个（或更多）替代骨架结构配对。利用逆折叠模型（IFM）以序列和结构为条件对每个配对进行评分。核心策略是寻找在不同骨架结构间评分差异最大的突变：即在一种构象中得分高而在另一种构象中得分低的突变，被预测为能够使平衡向得分高的构象偏移（Fig. 1）。这种方法不需要额外的微调或复杂的训练目标，且计算效率极高。