机器学习方法在酶定向进化中的应用进展

作者：王慕镪; 陈琦^*; 马薇; 李春秀; 欧阳鹏飞; 许建和^*

来源：生物技术通报, 2023, 39(04): 38-48.

DOI：10.13560/j.cnki.biotech.bull.1985.2022-0724

• 定向进化
• 机器学习
• 蛋白质工程
• 生物催化

定向进化法通过模拟自然界的进化过程，可提高酶的进化速度，成为酶分子改造的关键技术。定向进化在生物催化以及药物设计等方面发挥着重要作用，但因突变的随机性所产生的数量庞大的突变体，使得实验筛选的能力面临巨大挑战。近年来，人工智能、大数据处理等新兴技术也发展成为生物催化领域的重要研究手段。其中，机器学习是一种统计学习的方法，通过数据驱动的方式获得序列/结构到酶功能的映射，为提高酶分子工程的效率提供帮助。本文综述了机器学习模型中所涉及的数据处理、描述符和算法等内容，重点叙述了机器学习方法在酶工程方面的研究与应用进展。随着机器学习算法和应用技术的进步，有望提出更加精准和有效的模型，助力新酶筛选与生物催化剂的精准设计改造。

• 单位
  生物反应器工程国家重点实验室; 华东理工大学; 生物工程学院