综述系统梳理了Diels–Alder环化、Pictet–Spengler反应、酯化与酰胺化、C–H活化、aldol反应及自由基/卡宾转移等关键生物催化反应,并将发展策略归纳为四类:直接应用天然生物合成酶、通过蛋白质工程提升性能、重编程酶以获取非天然反应性、由未满足的合成需求驱动新酶发现。文章强调,生物催化需求正在反向推动生物合成研究从“分子中心”向“功能驱动”转变。
在此框架下,雷晓光教授团队在近年来也取得了一系列开拓性的科学发现:其一,团队针对分子间Diels–Alder酶开展挖掘、机制与合成应用研究,提出多样性导向的化学-酶法合成新策略,实现D-A产物的高效衍生和制备 (Nat. Chem. 2020, 12, 620; Nat. Catal. 2021, 4, 1059; Nat. Commun. 2024, 15, 2492; Acc. Chem. Res.2024, 57, 2166)。其二,利用去甲乌药碱合酶NCS催化的不对称Pictet–Spengler缩合,与区域选择性酶甲基化或化学功能化结合,建立一锅顺序过程,实现克级规模合成多种BIA单体,并完成八种双苄基异喹啉生物碱(bisBIAs)的模块化全合成 (Angew. Chem. Int. Ed. 2025 64, e202414340.)。其三,借助一系列氧化酶(AvmOs)发展化学酶法策略,完成具有抗肿瘤、抗生素活性天然产物alchivemycin A的化学酶法全合成 (Nat. Synth. 2024, 3, 1124–1133.);通过对最后一步AvmO1进行理性工程化改造,显著提高其对非天然底物的活性。其四,将醛脱氢酶ALDH重编程为氧化酰胺形成酶OxiAms,以氧气为唯一氧化剂,直接偶联醛或醇与胺,合成多种药物酰胺和天然产物酰胺,展示了近原子经济性的生物催化酰胺合成路线 (Science 2026, 391, eadw3365.)。
展望未来,人工智能辅助结构与功能预测、AI指导的定向进化、自动化高通量实验和多组学数据拓展,将显著加速酶的发现、优化和应用。随着复杂天然产物酶功能预测、膜蛋白表达筛选和通用的高通量筛选平台等方面的迅速发展,新的酶化学空间将被不断打开,两领域融合的最大机遇仍在未来。