AI 完成定向蛋白质进化，特性提升 100 倍

大自然擅长设计蛋白质。科学家甚至更擅长，人工智能（AI）有望帮助人类多次实现定向蛋白质进化。

来自哈佛医学院、麻省理工学院等多家顶尖学术机构联合组成的研究团队在这一领域带来了新的突破，他们开发了一个人工智能（AI）平台 EVOLVEpro，将蛋白质设计精准度推向新高度——

EVOLVEpro 平台基于少样本主动学习框架，结合蛋白质语言模型（PLMs）和回归模型，无需依赖结构信息、专家经验或其他先验数据，仅通过蛋白质序列进行高效优化，实现了快速预测高活性蛋白突变体。

更重要的是，EVOLVEpro 在 RNA 生产、基因编辑及抗体结合等应用中展示出了优越的性能，能使所需特性提升 100 倍。 研究结果显示，平台在癌细胞中大幅优化了基因编辑工具的活性，同时也改良了抗体的结合能力和表达水平。

此外，针对新型脂质纳米颗粒（LNP）的优化实验表明，EVOLVEpro 几乎完全消除了基因编辑工具的脱靶效应，为精准医疗的应用提供了坚实基础。

相关研究论文以'Rapid in silico directed evolution by a protein languagemodel with EVOLVEpro'为题，已发表在权威科学期刊 Science 上。

这种创新方法为跨领域应用提供了全新可能性，从抗体优化到基因编辑工具改良，都展现出了优异性能。

在生物医学领域，如何优化蛋白质以提高其特定活性始终是极具挑战的任务。这种优化对于抗体研发、基因编辑工具改良以及疫苗设计等领域至关重要。

然而，传统技术如深度突变扫描（DMS）或定向进化，往往需要大量实验验证，不仅耗时费力，还容易陷入局部最优解。

基因编辑技术也面临类似难题。例如，CRISPR-Cas9 技术尽管显著推动了基因编辑的进展，却在精准性和递送效率上面临瓶颈。一方面，脱靶效应使得编辑可能产生非预期突变，带来副作用风险；另一方面，现有的 mRNA 递送系统在目标细胞中表现出较低的稳定性，限制了基因治疗的效果。

近年来，深度学习技术的发展为蛋白质优化领域注入了新动能。蛋白质语言模型通过大规模序列数据库训练，能够捕捉蛋白质序列与其结构和功能之间的复杂关系。

然而，这些模型在优化蛋白质活性时表现有限，在优化蛋白质活性时，它们难以精准捕捉复杂适应度景观，特别是在涉及蛋白质非结合特征的任务中。

为突破这一困境，研究团队开发了 EVOLVEpro。该平台结合深度学习与主动学习策略，不仅降低了对实验数据的依赖，还通过智能选择最优突变体进行实验验证，大幅减少了实验次数。

与传统的定向进化和现有 AI 方法相比，EVOLVEpro 显现出三大优势：

研究团队通过 12 个深度突变扫描数据集，优化了 EVOLVEpro 参数，采用网格搜索选择最佳蛋白质语言模型（如 ESM2），并测试了不同回归模型（如随机森林、k 近邻回归器）对性能的影响。

为了验证 EVOLVEpro 的实际性能，研究团队以 C143 抗体和抗人转铁蛋白受体的 aCD71 抗体为目标，评估了它在抗体结合能力优化中的表现。

研究结果显示，经过四轮优化后，C143 抗体的最佳轻链突变体 N28R 显著提升了结合亲和力，其结合半数抑制浓度（IC50）降至 60 pM，多突变体结合亲和力提高至野生型的 35 倍。

在针对 aCD71 抗体优化实验中，则发现最佳重链突变体 S92A 结合 IC50 达到 29 pM，进一步设计的多突变体结合 IC50 效率达到 19 pM，同时提升了抗体的表达水平和亲和力。

而在与多种蛋白质语言模型比较中，ESM-2 15B 参数模型作为 EVOLVEpro 的潜在空间模型，在多数数据集上表现优于其他模型，返回的高活性突变体比例最高，且只有少数蛋白质语言模型的预测准确性明显高于独热编码，突出了基础层模型对 EVOLVEpro 性能的关键重要性。

在基因编辑工具方面，研究团队将目标锁定在微型 CRISPR 核酸酶 PsaCas12f 和 Bxb1 整合酶的活性改良上。通过四轮单突变体优化，PsaCas12f 在多个靶点的插入缺失效率显著提高。

研究发现，最佳变体 PsaCas12f K333V 在 RNF2 基因位点的插入缺失效率提高至 40%，进一步组合的多突变体则将效率提升至约 50%。组合多突变体的平均编辑活性提高 2.2 至 44 倍，相较其他 Cas12f 效应子表现优异。

类似地，在 Bxb1 整合酶进化实验中，经过多轮进化得到的突变体活性提升至野生型的 2.6 倍以上，在基因组中基因货物的整合效率提高多达 4 倍，为基因组编辑和大基因货物整合提供了更强的工具。

此外，针对 mRNA 生产中的 T7 RNA 聚合酶，EVOLVEpro 通过多轮进化显著提升 T7 RNA 聚合酶性能。

更多推荐文章