打破传统蛋白质进化方法局限性：MIT团队设计新型蛋白质大模型，发现比自然界高效百倍的突变体

主要观点总结

美国麻省理工学院博士生姜凯议在蛋白质工程领域取得重大突破，通过使用蛋白质大模型、主动学习和回归模型，开发了一种创新的蛋白质工程方法EVOLVEpro。该方法能在少量预测下显著提升蛋白质的功能，例如单克隆抗体的结合亲和力提升了40倍，微型CRISPR核酸酶的基因编辑效率提升了5倍，T7核糖核酸聚合酶在转录纯度和效能方面提升了100倍。这项研究攻克了蛋白质大模型高效预测蛋白质突变体对活性影响的难题，并有望广泛应用于生物学和医学领域。

关键观点总结

关键观点1: EVOLVEpro方法结合蛋白质大模型、主动学习和回归模型，实现了对蛋白质的快速定向进化。

该方法展示了在低样本数环境下的优越性能，有效降低了成本，并在体内和临床前测试阶段表现出超越现有方法的最佳效果。

关键观点2: EVOLVEpro在多个领域展示了广泛的应用潜力，包括抗体药物、基因疗法、mRNA生产和设计更优质蛋白质等。

该研究为精准医疗和合理药物设计提供了有力支持，并有望助力解决环境问题和合成生物学控制碳基生物计算机控制的关键问题。

关键观点3: 姜凯议博士的研究经历涵盖了生物工程、理性工程和蛋白质工程等领域。

他的研究团队成功将EVOLVEpro应用于多种蛋白质的进化，并展示了其强大的通用性。此外，姜凯议对RNA方向的研究也显示出人工智能在生物计算领域的重要潜力。

免责声明