机构名称：
¥ 1.0
该研究小组此前已展示了开发一种利用人工智能有效修改蛋白质功能的方法的可能性。利用这种方法，我们现在已经成功地以最少的实验显著提高了酶活性（图 1）。该方法首先通过常规随机诱变方法制备少量突变体，并进行实验以获取人工智能的训练数据（机器学习正常运行所需的数据）。接下来，我们使用人工智能技术贝叶斯优化来预测应该引入什么类型的突变才能获得具有所需功能的蛋白质。这将使我们能够提出一组小规模的突变体，该突变体富含具有所需功能的蛋白质，并且可以低成本用于实验。 在本研究中，我们仅使用从大约 80 个突变体的实验结果中获得的训练数据，成功将肽连接酶分选酶的催化活性提高了五倍（图 2）。此外，我们发现，通过稍微改变训练数据的元素，就可以绘制出一张地图，可视化由突变引起的功能变化的整体情况（图 3）。这些结果证明人工智能在修饰蛋白质功能方面是有效的，希望未来该方法能应用于多种功能蛋白质的开发。 [论文信息] 标题：机器学习指导的定向进化文库设计循环
利用人工智能自动设计酶
主要关键词
相关文件推荐
