|
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。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-6-3 09:58
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社