引言

随着生物医疗领域的快速发展，AI辅助技术在药物设计和分子改造中展现了巨大的潜力。我们公司的创始人兼CTO，上海交通大学生命科学技术学院的杨广宇教授，与上海交通大学自然科学研究院的洪亮教授团队合作，利用最新的Pro-PRIME蛋白语言大模型，进行高效的靶向微调。在仅经过两轮优化后，不仅显著提升了目标蛋白的稳定性，而且实现了复合突变效果的100%成功率。

该技术是基于蛋白质大模型，结合有限的（突变-活性-稳定性）数据集，通过精调模型，有效地预测复合突变对目标蛋白稳定性的影响，这为蛋白质设计提供了新的思路。与传统的高通量筛选方法相比，该技术具备高效、低成本和便捷的特点，为AI驱动的生物医疗创新奠定了基础。

概述

优化蛋白质的热稳定性对生物医疗研究和工业应用非常关键。目前，通过半理性设计及随机诱变方法，可以较为准确地设计多个单点突变，以增强蛋白质的热稳定性。然而，当多个突变被结合时，可能出现复杂的上位效应，导致突变体的失活。因此，蛋白质优化通常需要多轮的设计过程，耗时且效率低下。

最近，杨广宇教授团队在《mLife》期刊发布了一项研究，提出了一种AI辅助的策略，能够高效地组合多个有益的单点突变。通过对肌酸酶的研究，仅经过两轮设计，便成功获得了50个具有卓越热稳定性的复合突变体，设计成功率达到100%。微调后的模型能有效捕捉组合突变体中的上位效应，为未来的蛋白质工程提供了新的方法论。

摘要

本研究开发了一种AI辅助的蛋白质热稳定性工程策略，通过对已有实验数据进行微调，预测组合突变体的稳定性和活性。所用的Pro-PRIME模型基于大量宿主细菌的生长温度数据进行训练，在设计和优化高温蛋白质方面表现出色。通过这种方法，研究团队能够从18个单点突变体中，设计出所有可能的组合突变体。

本研究的主要成果包括：成功设计出具有优异热稳定性的最佳突变体13M4，该突变体在Tm值上比野生型提高了1019°C，并在58°C下的半衰期增加了约655倍。研究还揭示了突变体间复杂的上位效应，特别是在高阶突变体中的表现，为未来蛋白质的设计与优化提供了重要的基础。

主要内容

本研究巧妙利用AI辅助的酶热稳定性工程策略，通过少量精细的实验数据微调Pro-PRIME模型，来准确预测复合突变体的性能。整个过程包括数据收集、模型微调、突变体预测以及验证步骤。有了微调后的模型，研究团队在仅两周时间内设计了50个组合突变体，展示了过往方法所难以实现的效率。

主要亮点

ag尊龙凯时 提出的AI辅助策略不仅成功进行了高效的多点突变组合，而且通过微调模型参数来捕捉实验数据中的上位效应。这项研究强调了实验数据在提升模型预测性能中的重要性，并为进一步发展蛋白质工程的应用奠定了基础。

此外，研究还展示了如何利用动态相关矩阵分析揭示远程突变间的动力学相关性，为探讨上位效应的机制提供了新视角。通过这种创新的设计方法，研究团队成功减少了传统的设计轮次，提高了生物医疗领域的研究效率，展现了ag尊龙凯时 在推动科学研究和临床应用方面的贡献。

这项突破为更多生物医学相关的研究提供了可能性，并为未来的蛋白质工程研究设定了更高的标准，具有广泛的应用前景。