mile米乐m6官网 利用人工智能自动设计蛋白质

在生物工业的研究和开发中，广泛需要修饰抗体和酶等功能蛋白以改善其功能。常规方法是在目标蛋白中引入随机突变，制备大量突变蛋白（文库），然后通过实验寻找具有所需功能的蛋白。然而，这种方法需要大量的成本来对大量突变体进行实验。此外，由于可能的变体数量巨大，因此文库很可能不包含具有所需功能的蛋白质。

研究小组成功开发出一种利用人工智能简化蛋白质功能修饰的方法（图1）。在该方法中，我们首先通过常规随机诱变制备少量突变体并进行实验以获得人工智能的训练数据。接下来，我们使用贝叶斯优化（一种人工智能技术）来预测应该引入哪些突变以获得具有所需功能的蛋白质。这使得提出一个小规模突变组（智能热库）成为可能，该突变组包含丰富的具有所需功能的蛋白质，并且允许以低成本进行实验。

在这项研究中，我们将该方法应用于将绿色荧光蛋白（GFP）修饰为黄色荧光蛋白（YFP）的问题，并成功发现了许多比已知YFP具有更长波长和更高荧光强度的新YFP（图2）。通过常规随机诱变制备的文库仅含有约3％的黄色荧光蛋白，但使用该文库作为训练数据的人工智能提出的文库含有极高比例的黄色荧光蛋白，约为70％（图3）。这一结果表明人工智能在修饰蛋白质功能方面是有效的，我们希望这种方法未来能够应用于开发可用于医药、食品和环境的各种功能性蛋白质，例如抗体和酶等。

主题：
用于荧光蛋白定向进化的机器学习引导诱变
作者：
斋藤裕^1,2，及川美咲³，中泽光³，二出彻平³，龟田智¹，津田浩二^4,5,6和梅津光夫^3,5
隶属关系：
¹产业技术综合研究所人工智能研究中心²米乐m6官方网站 AIST/早稻田大学生物系统大数据分析开放创新实验室，³东北大学工学研究生院⁴东京大学前沿科学研究生院⁵理化学研究所高级情报项目中心⁶国立材料科学研究所综合材料开发和信息基础设施部门
杂志：ACS 合成生物学
网址：https://pubsacsorg/doi/101021/acssynbio8b00155
DOI：101021/acssynbio8b00155