文章预览
来源 ：GenomicAI 本文 约1300字 ，建议阅读 7分钟 未来，EVOLVEpro有望在更广泛的领域中得到，推动蛋白质工程的进一步发展。 近期，Science正刊上Kaiyi Jiang等人发表了题为“Rapid in silico directed evolution by a protein language model with EVOLVEpro”的文章，开发了名为EVOLVEpro的高效的蛋白进化方法，它结合了蛋白质语言模型（PLMs）和回归模型，通过少量实验数据快速改进蛋白质活性。 EVOLVEpro通过主动学习的方式，在几轮迭代中就能显著提高了蛋白质的期望性质，如结合亲和力、催化效率和免疫原性。 该框架在多个蛋白质上进行了测试，包括RNA生产、基因组编辑和抗体结合应用，显示出比现有方法更高的改进幅度。 图1：EVOLVEpro的框架和工作原理 展示了EVOLVEpro方法的概述。 EVOLVEpro的核心是一个模块化设计，其中PLM编码蛋白质序列并将其映射到连续的潜在
………………………………
