GPCR是人体内最大的膜蛋白家族，也是最重要的药物靶点。传统药物主要通过结合内源性配体的“正构位点”发挥作用。然而，这种方式常因位点保守性导致选择性差、副作用大，且难以修复由功能缺失（LoF）突变引起的受体功能障碍，留下了巨大的治疗空白。自然界中存在一些跨膜调控蛋白，然而针对GPCR跨膜域进行功能导向的蛋白质从头设计，仍是一片未被探索的“无人区”。
针对上述挑战，浙江大学人工智能学院章敏团队联合基础医学院张岩团队，建立了一套基于生成式人工智能的探针算法(图a)，以及一个“类幻觉”的蛋白质从头设计流程（图b）。
团队利用高通量结构预测，结合扩散模型、图消息传递网络等算法，定位了潜在的跨膜调控位点；并创新性地提出了三种“结构提示（Structural Prompting）”策略，在迭代优化过程中施加结构功能约束，引导生成具有特定结合模式和功能的跨膜蛋白。
团队从头设计的靶向G蛋白偶联受体（GPCR）跨膜结构域的外骨骼蛋白，简称GEM，是一种可编程的蛋白工具，能够对受体功能进行调控和拯救（图c），为GPCR别构调节和结构生物学研究提供了新工具，也为传统药物无法靶向的遗传性疾病开辟了极具前景的治疗路径。
该成果于2026年2月17日在《Nature》（自然）期刊发表题为“De novo Design of GPCR Exoframe Modulators”的研究论文，并受到新华社、人民网、浙江新闻等多家主流媒体的广泛报道。
论文原文链接：
Shizhuo Cheng, Jia Guo, Yun-li Zhou, Xumei Luo, Gufang Zhang, Ya-zhi Zhang, Yixin Yang, Jiannan Xie, Ping Xu, Dan-dan Shen, Shaokun Zang, Huicui Yang, Xuechu Zhen, Min Zhang & Yan Zhang. De novo design of GPCR exoframe modulators. Nature651, 242–250 (2026).