Machine learning-assisted directed protein evolution with combinatorial libraries

机器学习辅助的蛋白定向进化和设计的热点策略

影响因子：9.412

期刊：PNAS

摘要：当蛋白质在自然环境之外应用时，其功能通常很差；定向进化可以用来设计使他们在新的角色中更有效率。通过将机器学习与定向进化相结合，可以减少大量蛋白质变体的实验测试费用并改善结果。在经验适应性环境上的仿真表明，使用这种方法可以提高预期的性能。来自单一亲本的机器学习辅助定向进化产生了酶变体，这些变体选择性地合成了一种新的天然化学转化的对映体产物。通过同时探索多个突变，机器学习可以有效地导航大范围的序列空间，以识别改进的蛋白质，并为工程问题提供多种解决方案。