文献类型：期刊文章

作　　者：康里奇[1,2] 谈攀[3] 洪亮[1,2]

KANG Liqi;TAN Pan;HONG Liang(School of Physics and Astronomy,Shanghai Jiao Tong University,Shanghai 200240,China;Shanghai National Center for Applied Mathematics(SJTU Center),Institute of Natural Sciences,Shanghai Jiao Tong University,Shanghai 200240,China;Shanghai Artificial Intelligence Laboratory,Shanghai 200240,China)

机构地区：[1]上海交通大学物理与天文学院,上海200240 [2]上海交通大学自然科学研究院,上海国家应用数学中心(交大分中心),上海200240 [3]上海人工智能实验室,上海200240

出　　处：《合成生物学》

基　　金：国家自然科学基金(12104295)。

年　　份：2023

卷　　号：4

期　　号：3

起止页码：524-534

语　　种：中文

收录情况：CSCD、CSCD2023_2024、普通刊

摘　　要：自然界中存在的酶拥有多种多样的功能,它们已经被应用在工业生产和学术研究中,但其中许多酶的性质和功能还不能完全满足应用需要,通过改造来提升这类酶的某些特性是酶工程的重要任务。本文介绍了酶工程的主要发展历程,并重点梳理了人工智能(AI)助力酶工程领域的研究进展。酶工程主要包括理性设计、定向进化、半理性设计和人工智能辅助设计等策略。理性设计方法根据酶的催化机理、结构等先验知识进行改造。定向进化技术通过构建随机突变文库和高通量筛选提升目标酶的稳定性和活性等性质。半理性设计方法借助一系列计算方法构建相比于定向进化更小也更合理的突变文库以降低筛选工作量。人工智能技术在大量数据驱动下可以学习有关蛋白质构成和进化的特征信息。通过直接学习自然界中存在的蛋白质序列、共进化信息和结构,深度神经网络已经可以解决许多类型的酶工程问题,如预测具有有益影响的突变、优化蛋白质的稳定性、提高催化活性等。通过对酶工程现状进行分析,本文旨在进一步推动酶的开发和优化以实现更广泛的应用,为研究者和相关从业人员提供更多有价值的见解。

关 键 词：酶工程 定向进化 人工智能 深度学习  

分 类 号：Q814[生物工程类]