该研究的突出特色是简单神奇，是用了一种简单的AI机器人，完全自主进行工作，这样的特点说明将来会有非常多类似的模仿者跟进，说明将来的分子设计将从高端实验室走向普通实验室，甚至走向普通的企业厂房，规模化将意味着颠覆性改变，因为蛋白质是生命的最主要构造者和执行者，这将为人类更长远设计和制造新生命形式奠定工程基础。利用同样的思路，这种技术也将可以用于药物大规模筛选。

一个由简单的人工智能（AI）模型指导的机器人设备组成的“自动驾驶”实验室成功地重新设计了酶，而无需人类的任何输入——除了偶尔的硬件修复。

“这是一项前沿工作，”加利福尼亚州伯克利劳伦斯伯克利国家实验室的物理学家和合成生物学家赫克托·加西亚·马丁说。“他们正在完全自动化蛋白质工程的整个过程。

自动驾驶实验室将机器人设备与机器学习模型相结合，这些模型能够指导实验并解释结果以设计新程序。研究人员说，希望自主实验室能够推动科学进程，并提出人类自己可能没有想到的解决方案。

蛋白质工程是自动驾驶实验室的理想任务，威斯康星大学麦迪逊分校的蛋白质工程师菲利普·罗梅罗（Philip Romero）说，他领导了这项研究1，1月11日发表在《自然化学工程》上。传统方法倾向于依赖于开发针对特定特性（例如酶活性）的检测方法，然后筛选大量突变版本的蛋白质。“蛋白质工程领域的大部分内容都是单调的，”他说。

Romero的团队创建的系统由一个相对简单的机器学习模型提供支持，该模型将蛋白质的序列与其功能相关联，并提出序列更改以改善功能。它将用于测试的蛋白质序列传送到制造蛋白质的实验室设备，测量其活性，然后将结果反馈给模型以指导新一轮实验。“我们设置并忘记它，”罗梅罗说。

在这项研究中，研究人员要求他们的自动驾驶实验室使称为糖苷水解酶的代谢酶更耐高温。经过 20 轮实验后，4 个实验中的每一个都产生了新版本的酶，这些酶可以在比自主实验室开始时使用的蛋白质至少高 12 °C 的温度下运行。

研究人员首先尝试运行自己的机器人设备，但机器不断坏掉。因此，他们求助于加利福尼亚州的一个基于云的实验室——一个现有的设施，里面有机器人设备，可以通过计算机代码进行远程指导——并设置他们的人工智能模型，在那里发送指令。研究人员估计，整个实验耗时约6个月，包括由于运输延误而暂停2.5个月，每轮20轮运行的成本约为5,200美元。一个人可能会花费长达一年的时间做同样的工作。

García Martín说，提高自动驾驶生物实验室的复杂性可能需要新一代硬件，因为现有的自动化实验室设备往往在制造时考虑到了人类监督者。一个更根本的挑战是创建能够产生可以被机器和人类解释的知识的自动驾驶实验室。

使蛋白质更热稳定相对简单，伊利诺伊大学厄巴纳-香槟分校的合成生物学家Huimin Zhao说。目前尚不清楚自动驾驶实验室如何容易地适应以其他方式改变酶。

罗梅罗说，他的团队正致力于将其自动驾驶实验室应用于其他蛋白质工程挑战。该小组还希望整合更复杂的深度学习工具，这些工具推动了蛋白质设计的进步。

然而，研究人员并没有试图精简科学工作者。“我们不会让人类变得多余，”该研究的合著者、威斯康星大学麦迪逊分校蛋白质工程师雅各布·拉普（Jacob Rapp）在介绍这项工作的在线研讨会上说。“我们正在更换无聊的部件，这样您就可以专注于工程工作的有趣部分。”

https://www.nature.com/articles/s44286-023-00002-4

蛋白质工程在化学、能源和医学领域有着近乎无限的应用，但创造具有改进或新功能的新蛋白质仍然缓慢、劳动密集且效率低下。在这里，我们展示了用于蛋白质景观探索的自动驾驶自主机器 （SAMPLE） 平台，用于完全自主的蛋白质工程。SAMPLE由智能代理驱动，该智能代理学习蛋白质序列-功能关系，设计新蛋白质并将设计发送到全自动机器人系统，该系统通过实验测试设计的蛋白质并提供反馈以提高代理对系统的理解。我们部署了四种SAMPLE试剂，目的是设计具有增强耐热性的糖苷水解酶。尽管它们的搜索行为存在个体差异，但所有四种药物都迅速收敛在热稳定酶上。自动驾驶实验室自动化并加速了科学发现过程，在蛋白质工程和合成生物学领域具有巨大潜力。