在多肽药物研发的漫长征途中，合成效率与产物纯度始终是制约产业化的核心瓶颈。近日，由Tamás、Alberts和Laino领衔的国际研究团队在《自然·化学》（Nature Chemistry）上发表突破性成果，深入解析了氨基酸组成如何主导多肽合成过程中的聚集现象。这一发现不仅揭示了分子层面的聚集机制，更为全球实验室及制药企业优化多肽组装策略提供了全新的理论框架。
固相多肽合成（SPPS）作为定制多肽的基石技术，尽管历经数十年改良，仍难以完全避免链增长过程中的聚集问题。随着肽链延长，疏水残基间的相互作用导致肽链相互缠绕、形成不溶性聚集体，不仅降低反应产率，更增加了后续纯化的难度与成本。该研究通过系统关联氨基酸序列与聚集倾向，利用先进的计算模拟与实验验证，首次绘制了特定残基及其排列方式在分子水平上驱动聚集的详细图谱。
研究团队深入剖析了氨基酸的理化性质，发现疏水性残基（如苯丙氨酸、亮氨酸、异亮氨酸）是引发聚集的主要推手，它们通过非极性相互作用促进分子自组装。然而，极性或带电氨基酸的作用远非简单的“干扰者”，它们能破坏疏水网络或构建新的相互作用，其影响高度依赖于序列上下文。尤为关键的是，研究发现某些特定的二肽或三肽基序在合成过程中会自发形成瞬时的β-折叠样结构，这种构象在固相树脂的受限空间内显著加速了纤维状聚集体的形成，导致链延伸受阻。
借助Laino团队开发的分子动力学模拟技术，研究人员在原子分辨率下观测到，易聚集序列会采取紧凑的分子间连接构象，物理性遮蔽活性位点，从而阻断试剂的接触。这一发现填补了多肽序列与合成瓶颈之间的知识鸿沟，建立了一套可预测聚集事件的框架。随后的实验合成验证了计算模型的准确性，定量分析显示树脂溶胀度、反应产率及色谱图谱与预测高度吻合，标志着多肽设计正式进入理性设计的新纪元。
这一成果对工业界具有深远的实践意义。合成化学家现在可以主动调整序列，例如通过插入带电或柔性残基来破坏不利基序，或优化溶剂与树脂条件以协同抑制聚集。对于制药企业而言，将序列依赖的聚集预测模型嵌入生产流程，不仅能显著提升通量、减少废料，还能大幅降低因纯化步骤复杂化带来的高昂成本，契合制药行业对可持续高效生产的追求。
此外，该研究还暗示了其在神经退行性疾病（如阿尔茨海默病）蛋白质错误折叠研究中的潜在价值，因为多肽聚集与病理性蛋白聚集存在机制上的同源性。随着多肽疗法在癌症和传染病领域的崛起，突破合成瓶颈已成为当务之急。对于中国多肽产业而言，这一从“试错法”向“数据驱动设计”的范式转变极具启示意义：未来应加速布局AI辅助多肽设计平台，将序列聚集预测算法整合至研发管线，从而在源头解决合成难题，提升国产多肽药物的国际竞争力。