曹龙兴：蛋白质设计只有穿过表达、结构和功能验证，才不只是序列

建设者坐标

曹龙兴是西湖大学生命科学学院独立实验室负责人，研究方向是蛋白质计算设计。官方履历显示，他曾在华盛顿大学 David Baker 实验室从事博士后研究，2021 年加入西湖大学建立实验室。在这组建设者中，他代表的不是一个通用“AI 科学家”，而是把几何、能量函数和计算搜索转化为真实蛋白质，并逐层验证结构与功能的工作流。

蛋白设计天然是团队工程：算法、合成、蛋白表达纯化、生物物理、结构测定、细胞和动物实验由不同成员及合作团队完成。本文只依据机构页面和同行评议论文描画其建设角色，不是采访；早期新冠蛋白设计工作发生在 Baker 实验室阶段，也不能倒写为西湖大学实验室的独立成果。胶质母细胞瘤 CAR-T 论文同时披露，西湖大学已就 CD276 结合蛋白提交 PCT/CN2023/140615 专利申请。

从什么算到什么做

计算蛋白设计从一个明确功能开始：希望蛋白结合哪个表面、在何种小分子或光照条件下组装、怎样把识别模块接入细胞。算法在巨大序列与构象空间里提出满足几何和能量约束的候选，真正的“做”则从 DNA 合成开始。候选要被表达和纯化，接受结合、稳定性和特异性测量；设计结构还要与晶体学等实验结构对照。

2025 年 Nature Chemistry 论文展示了可由光调控的从头蛋白相互作用：研究者在设计界面中引入可光异构化的非天然氨基酸，再用生化与结构实验检查组装能否可逆切换。2026 年 Science 论文则报告受金刚烷胺等小分子调节的蛋白寡聚体，并以结构数据检验设计。它们说明输出不是一张“看起来合理”的结构图，而是可制造、可测量的分子系统。

另一条更接近治疗应用的链路，是为胶质母细胞瘤抗原 EGFR 和 CD276 设计小型高亲和力结合蛋白，再把结合模块用于 CAR-T。西湖大学报道及对应同行评议论文包含体外结合、细胞功能以及小鼠肿瘤模型结果。动物阶段提供临床前证据，却不能被写成人体疗效。

闭环如何运转

闭环的起点是结构和功能规格。计算生成序列后，实验团队先做低成本筛选：蛋白能否表达、是否稳定、是否按预期结合。失败结果暴露能量模型、构象假设或实验条件的问题，筛出的候选再进入定量生物物理和高分辨率结构测定。设计模型与实测结构之间的偏差，成为下一轮规则和候选的反馈。

当目标是细胞治疗，循环还会继续向外：结合蛋白装配进 CAR，细胞实验检查激活、杀伤和脱靶风险，动物模型观察体内效应，再据结果修改亲和力、表位或构型。每跨一级，评价函数都更接近应用，也更慢、更贵、更受生物复杂性影响。计算可扩大候选空间，不能跳过这些验证门。

这套流程含有算法搜索和越来越多的机器学习工具，但“计算蛋白设计”不等于每一步都是 AI，也不等于全自动。公开材料仍显示大量 Human 设题、实验操作、结果解释和跨团队协作；将其称为自主科学家，会抹去真正使候选成立的验证系统。

证据台账

已确认事实设计接受多层实验检验

同行评议论文支持从头设计候选经过表达、生物物理与结构验证；光控和小分子调控系统均有实物实验。胶质母细胞瘤工作进一步包含细胞和小鼠模型，形成从计算设计到临床前验证的链路。

来源方主张转化前景与项目进度

校方对平台领先性、治疗潜力及研究者发起临床研究进度的描述，是建设机构口径。它可作为后续追踪线索，不能替代注册试验结果，更不能把临床前模型写成已惠及患者。

分析推断结构验证是关键 evaluator

本文认为这类工作的核心不只是生成新序列，而是用实测结构和功能逐层反驳计算假设。正因设计能够失败、偏差能够返回模型，它才是一条可信的 AI4S 式闭环；这是编辑判断。

待验证人体安全、疗效与可迁移性

CAR-T 候选在人体中的安全和疗效、免疫原性及长期效应仍待临床数据；不同靶点间的成功率、所需实验轮数和总成本也尚不足以证明这套方法可按同样效率普遍迁移。

事实 / 来源方主张 / 分析推断 / 待验证

事实：曹龙兴团队及合作者已把多类计算设计蛋白制造出来，并用结构和功能实验检验；部分工作进入小鼠临床前验证。
来源方主张：领先性、转化价值和临床进度须保留机构出处。
分析推断：他代表的是“可制造设计 + 逐级 evaluator”，而不是仅生成候选的模型。
待验证：人体结果、跨靶点成功率、Human 工作量，以及实验反馈能否进一步自动化。

为什么入选及边界

曹龙兴入选，是因为公开研究能沿着“功能规格—计算序列—表达—结构—细胞—动物”逐层检查，清楚展示从算到做需要哪些验证门。边界是：他建设的是计算设计实验室而非无人自治平台；论文结果属于完整作者团队；小鼠结果不等于患者获益，机构对未来临床转化的描述仍要等待公开、可复核的人体数据。