Nature | 蛋白质稳定性的遗传结构

文章预览

撰文 | 阿童木 针对单氨基酸突变体或双突变体的表型验证和功能研究往往较为简单，然而，随着突变体复杂度的增加，尤其是涉及多重突变的情况，实验设计和功能分析的难度也呈指数级上升 【1】 。究其原因，在于可能基因型组合的爆炸性增长，例如，当对34个位点分别进行一次突变时，其组合数量超过了 10 10 种。鉴于当前实验技术的限制，如此庞大的基因型空间难以通过实验手段完全探明。到目前为止，能够实际分析的基因型序列空间大约仅为10 6 这一数量级 【2】 。 面对高维序列空间探索的挑战，深度学习模型提供了一条有效的途径。具有数百万参数的深度神经网络已经在各种蛋白质效应预测和设计任务中展现了其成功性，包括预测组合突变体的功能等 【3,4】 。尽管如此，对于广大生命科学从业者来说，这些深度学习模型往往架构复杂且 ………………………………