Cell | 高彩霞团队开发基于人工智能的通用蛋白质工程方法

主要观点总结

蛋白质工程通过改变氨基酸序列实现对蛋白质结构和功能的修饰和改造，市场规模广泛。传统的蛋白质工程策略存在实验周期长、成本高的问题。近期，中国科学院遗传与发育生物学研究所高彩霞团队提出了一种新型人工智能蛋白质工程计算模拟方法AiCE，具有高效、普适、无需复杂模型训练的特点。该方法基于整合结构与进化约束的通用逆折叠模型，无需训练专属人工智能模型，即可实现蛋白质高效进化模拟和功能设计。研究团队利用AiCE对多种基因编辑工具进行进化优化，实现了其效率和精度的快速提升。该方法具有广泛的应用前景，可降低计算负荷，让更多生物学家受益于人工智能技术。

关键观点总结

关键观点1: 蛋白质工程的重要性和挑战

蛋白质工程对基础研究和产业应用具有重要意义，传统方法存在实验周期长、成本高的挑战。

关键观点2: 高彩霞团队的AiCE方法

高彩霞团队提出了一种新型人工智能蛋白质工程计算模拟方法AiCE，具有高效、普适、无需复杂模型训练的特点。

关键观点3: AiCE方法的工作原理和优势

AiCE基于通用逆折叠模型，通过采样氨基酸序列实现蛋白质进化模拟和功能设计。该方法具有广泛的应用前景，可降低计算负荷，提高效率和精度。

关键观点4: AiCE方法的应用和验证

研究团队利用AiCE方法对多种基因编辑工具进行进化优化，并在湿实验层面验证了其功能的有效性和优越性。

关键观点5: 合作伙伴和学术评价

该研究得到了多个合作伙伴的建设性意见，审稿专家评价AiCE将基于人工智能的蛋白质进化提升到了全新水平。

免责声明