Cell：我国科学家利用人工智能驱动的策略实现了蛋白质的快速高效进化

来源：100医药网 2025-07-29 15:19

研究人员开发了AiCEmulti模块，该模块整合了进化耦合约束。这使得在极低计算成本下准确预测多个高适应度突变成为可能，从而扩展了该工具的灵活性和实用性。

在一项新的研究中，由中国科学院遗传与发育生物学研究所的高彩霞（Gao Caixia）教授领导的一个研究团队开发了一种可能彻底改变蛋白质工程领域的全新方法。这种名为 人工智能辅助蛋白质工程约束（AI-informed Constraints for protein Engineering, AiCE） 的新方法，通过将结构和进化约束整合到一种通用逆折叠模型中，实现了蛋白质的快速高效进化 且无需训练专门的人工智能（AI）模型。这一发现解决了传统蛋白质工程技术面临的诸多挑战。相关研究结果发表在《细胞》杂志上。

理想的蛋白质工程策略应以最小的努力实现最佳性能。然而，现有方法在成本、效率和可扩展性方面往往存在局限性。当前基于人工智能的蛋白质工程方法通常计算密集型，这凸显了需要更易于访问且用户友好的替代方案，以保持预测准确性并促进研究界更广泛的应用。

在这项研究中，研究人员首先开发了AiCEsingle，一个用于预测高适应性（HF）单氨基酸替换的模块。该模块通过广泛采样逆折叠模型（基于蛋白质三维结构生成兼容氨基酸序列的人工智能模型）并整合结构约束，提升了预测准确性。

针对60个深度突变扫描（DMS）数据集的基准测试表明，AiCEsingle相较于其他人工智能方法的性能提升了36%至90%。其对复杂蛋白质及蛋白质-核酸复合物的有效性也得到了验证。值得注意的是，仅整合结构约束即可使准确性提升37%。

为解决组合突变中的负面上位性相互作用挑战，研究人员开发了AiCEmulti模块，该模块整合了进化耦合约束。这使得在极低计算成本下准确预测多个高适应度突变成为可能，从而扩展了该工具的灵活性和实用性。

利用AiCE框架，研究人员成功进化出八种具有多样化结构和功能的蛋白质，包括脱氨酶、核定位序列、核酸酶和逆转录酶。这些工程化蛋白质使开发用于医学和分子育种的下一代碱基编辑器成为可能。其中包括：enABE8e，一种具有约50%更窄编辑窗口的胞嘧啶碱基编辑器；enSdd6-CBE，一种具有1.3倍更高保真度的腺嘌呤碱基编辑器；以及enDdd1-DdCBE，一种线粒体碱基编辑器，其活性提高了13倍。

AiCE代表了一种简单、高效且广泛适用的蛋白质工程策略。通过释放现有人工智能模型的潜力，它为该领域开辟了充满希望的新方向，并提升了人工智能驱动的蛋白质重设计可解释性。（100yiyao.com）

参考文献：

Hongyuan Fei et al, , Cell (2025). DOI: 10.1016/j.cell.2025.06.014.

AI-powered strategy streamlines protein engineering by integrating structural and evolutionary constraints

https://phys.org/news/2025-07-ai-powered-strategy-protein-evolutionary.html

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻