机器学习简化蛋白质工程：MULTI-evolve 框架的突破

美国 - 艾赫巴里通讯社

机器学习简化蛋白质工程：MULTI-evolve 框架的突破

生物技术和医学领域迎来了一项重大飞跃，研究人员公布了一个名为 MULTI-evolve 的新型机器学习框架。这一先进的人工智能系统旨在显著简化复杂的蛋白质工程流程，有望加速从制药到工业酶等各种应用的高性能蛋白质的开发。

传统上，为特定用途（如药物、生物燃料或家用洗涤剂）制造高性能蛋白质是一项繁琐且耗时的任务。这通常涉及大量的调整、实验和精细优化，以实现期望的功能。其中一个关键挑战在于氨基酸突变之间的复杂相互作用。改变一个氨基酸可能会出乎意料地影响后续突变的效果，使得寻找最佳组合成为一个高维度问题，需要反复的修改和实验室测试。

加州大学伯克利分校和 Arc 研究所的生物工程师 Patrick Hsu 将传统方法描述为“一个非常高维度的搜索问题，我们实际上是在进行猜测和检查”。这种方法虽然能够产生结果，但效率低下且成本高昂，通常需要数月甚至数年的专门研究。

MULTI-evolve 框架通过将先进的机器学习算法与实验室实验相结合，直接解决了这些限制。其工作流程分为三个关键阶段。首先，研究人员利用现有数据或机器学习技术来预测单个氨基酸取代对蛋白质功能的影响。其次，为了理解突变之间复杂的相互作用，研究人员在实验室中合成了多种蛋白质，每种蛋白质都包含两个特定的突变，并测试了它们的性能。最后，收集到的实验数据被用来训练一个机器学习模型。这个训练好的模型随后能够预测具有五个或更多突变的目标蛋白质的功能表现，从而全面理解其协同效应。

MULTI-evolve 的有效性已通过对三种不同蛋白质的严格测试得到证明。其中包括一种与自身免疫性疾病治疗相关的抗体，以及一种对 CRISPR 基因编辑技术至关重要的蛋白质。在每种测试案例中，MULTI-evolve 模型都成功识别出多种突变组合，这些组合在实验室评估中显著优于原始蛋白质。这一验证强调了该框架在识别能够增强蛋白质性能的协同突变集方面的能力。

Hsu 强调了 MULTI-evolve 的广泛应用前景，设想其在关键领域的应用，例如开发用于追踪细胞内分子运动的蛋白质，以及为患有酶缺陷的个体设计更有效的基因疗法。Hsu 表示：“我们对这项工作感到兴奋。”“我认为，这项技术如何真正改变科学实践，引起了极大的兴趣。”

MULTI-evolve 的开发成果发表在享有盛誉的《科学》杂志上，代表了计算生物学和人工智能领域的一项重大进展。通过大大降低蛋白质设计所需的复杂性和时间，该框架有望在药物发现、合成生物学和新型生物材料开发方面开辟新的可能性，从而加速多个学科的科学进步和创新。

艾赫巴里通讯社