引言

在生物医疗领域，AI辅助技术的进步为酶改造带来了新的突破。我们的团队，首席技术官杨广宇教授与上海交通大学的洪亮教授，联合应用Pro-PRIME蛋白语言模型和高效的模型调节，仅通过两轮设计，成功大幅提升了目标酶的稳定性，实现了复合突变的100%成功率。

概述

优化酶的热稳定性对生物医学的应用至关重要。目前，传统的（半）理性设计和随机诱变方法可以较为准确地设计出提高酶热稳定性的单点突变。然而，当多个突变组合时，复杂的上位效应往往导致组合突变体失效。因此，优化酶通常需要多轮设计，耗时费力。最近，杨广宇教授团队的研究文章“利用蛋白语言模型优化酶的热稳定性”在《mLife》正式发表，提出了一种创新的AI辅助的酶热稳定性工程策略，能够高效组合多个优质单点突变。

在研究中，我们以肌酸酶为例，通过两轮设计获得了50个热稳定性杰出的组合突变体，成功率高达100%。微调后的模型能够有效捕捉组合突变中的上位效应，为酶稳定性改造过程的序列设计提供了新思路。

主要内容

本研究中，作者采用AI辅助的工程策略，通过少量实验数据微调Pro-PRIME模型，以预测组合突变体的稳定性和活性。Pro-PRIME模型是基于数百万宿主细菌的最佳生长温度数据进行训练，表现出色。作者使用来自肌酸酶的初步数据集，整合73个突变体的热稳定性和活性数据。同时，预测的主要目标是在维持至少60%相对活性的基础上，增强突变体的热稳定性。

整个过程分为四个步骤：收集数据、微调模型、预测所有组合突变体的序列、以及验证所选突变体。在两周内，设计出50个组合突变体，实现了100%的热稳定性设计成功率。其中，最佳突变体13M4包含13个突变位点，在活性保持不变的情况下，热稳定性显著提升。

通过动态相关矩阵分析，我们揭示了突变之间的复杂高阶上位效应。即使某些突变物理相距较远，其间的相互作用仍会影响整体酶的稳定性。这一发现为未来的酶改造和设计提供了有效的方法论。

主要亮点

918博天娱乐官网所提出的人工智能辅助酶热稳定性工程策略，能高效组合多种单点突变，经过短短两轮设计即能实现100%的成功率，极大推动生物医学领域的酶改造效率。最佳突变体13M4的热稳定性提升显著，半衰期提高655倍，同时保持活性的平稳性。

此外，利用少量高质量实验数据微调模型参数，研究团队成功捕捉了多种上位效应，展现了实验数据在提高AI模型预测能力方面的重要性。这表明，尽量使用高质量实验数据将极大改善未来酶改造的效果。通过这种策略，团队在有限的设计轮次内探索了超过26万种可能的突变体，显著提高了蛋白质工程的整体效率。

综上所述，结合生物工程实验数据与先进AI模型的策略，将为未来的酶进化任务提供有力支持，从而在全行业范围内推动生物医疗的创新和发展。