成功率达100%，上交团队提出AI辅助的酶热稳定性工程策略，设计热稳定性的组合突变体

一分耕耘，一分收获！既然都打开这篇《成功率达100%，上交团队提出AI辅助的酶热稳定性工程策略，设计热稳定性的组合突变体》，就坚持看下去，学下去吧！本文主要会给大家讲到等等知识点，如果大家对本文有好的建议或者看到有不足之处，非常欢迎大家积极提出！在后续文章我会继续更新科技周边相关的内容，希望对大家都有所帮助！

利用AI高效提升酶热稳定性：上海交大研究团队取得突破

酶的热稳定性对于生物技术和工业应用至关重要。传统方法通过逐步引入单点突变来优化酶的热稳定性，过程费时且效率低下。近日，上海交通大学杨广宇研究员团队与洪亮教授合作，在《mLife》杂志发表研究成果，提出了一种基于人工智能的策略，显著提高了酶热稳定性工程的效率。

该研究利用蛋白质语言模型Pro-PRIME，结合少量实验数据进行微调，预测组合突变体的稳定性和活性。通过对肌酸酶进行两轮设计，成功获得了50个具有卓越热稳定性的组合突变体，设计成功率达到惊人的100%。最佳突变体13M4包含13个突变位点，其热稳定性显著提高（Tm值提升10.19°C，58°C下半衰期增加约655倍），同时活性保持不变。

研究亮点:

• 高效的组合突变策略: 两轮设计即可获得50个高稳定性突变体，效率远超传统方法。
• 精准的上位效应预测: 微调后的模型能够准确预测组合突变体的稳定性和活性，包括复杂的上位效应。
• 长程上位效应机制的揭示: 动态相关矩阵分析揭示了远距离突变位点之间动力学的关联性。
• 显著提升的酶热稳定性: 最佳突变体13M4的热稳定性大幅提升，同时活性保持不变。
• 广泛的应用前景: 该策略有望应用于其他关键酶分子的定向进化。

图1展示了该策略的四个步骤：数据收集、模型微调、组合序列空间预测和突变体验证。图2显示了组合突变体的热稳定性和相对活性数据，突出了最佳突变体的优异性能。图3则深入分析了突变之间的上位效应，揭示了其背后的动力学机制。

这项研究表明，将高质量实验数据与先进的AI模型相结合，能够显著提升蛋白质工程的效率，为酶的定向进化和工业应用开辟了新的途径。

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/mlf2.12151

到这里，我们也就讲完了《成功率达100%，上交团队提出AI辅助的酶热稳定性工程策略，设计热稳定性的组合突变体》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于入门的知识点！