清华大学，Nature Methods！

文章预览

蛋白质适应度地形是一个高维复杂空间，包含着大量可能的序列和功能。尽管已经有很多尝试来探索这一空间，如定向进化、深度突变扫描、随机文库构建等方法，但现有的方法通常劳动密集、时间消耗大，且难以全面覆盖高维空间，且在精确度和序列空间覆盖之间需要做出权衡。此外，传统的实验方法一般只能处理低维度的突变，不考虑自然选择对蛋白质适应度地形的影响。 目前，计算方法，如基于结构或序列的模型，虽然可以评估更大的序列空间，但也受到训练数据质量和可用性的限制，特别是对于没有同源或结构信息的蛋白质。此外，现有的计算方法通常忽略了其他生物学因素，如蛋白质与体内环境的相互作用或翻译后修饰。 为了解决这些问题， 清华大学药学院 张数一 团队 提出了一种名为EvoAI的混合实验-计算方法，通过EvoScan工具有效压 ………………………………