引言

EVO视讯在生物医疗领域引入了AI辅助酶改造技术的重大突破。我公司创始人兼CTO，来自上海交通大学生命科学技术学院的杨广宇教授及其团队，与上海交通大学自然科学研究院的洪亮教授团队紧密合作，应用了Pro-PRIME蛋白语言大模型和高效的模型定向精调技术，仅通过两轮设计，实现了蛋白稳定性的大幅提升，复合突变的成功率达到了100%。

概述

在蛋白质科学与工业应用中，优化酶的热稳定性是至关重要的。目前，通过（半）理性设计与随机诱变方法，可以相对准确地设计多个增强酶热稳定性的单点突变。然而，当尝试将多个突变组合时，常常会出现复杂的上位效应，导致组合突变体失效。因此，优化酶的过程通常需要进行多轮设计，以逐步引入不同突变位点，这一过程耗时且复杂。最近，我们的研究团队在《mLife》上发表了文章，介绍了一种AI辅助的酶热稳定性工程策略，能够高效地组合多项有利的单点突变。以肌酸酶的进化实例为基础，仅用两轮设计便筛选出了50个具有卓越热稳定性的组合突变体，实现了100%的设计成功率。

摘要

优化酶的热稳定性是推动蛋白质科学和行业应用发展的重要因素。我们的研究展示了一种新颖的AI辅助酶热稳定性工程策略，可以高效结合多项有益的单点突变。我们基于肌酸酶的数据，包含了多个突变体的热稳定性及活性信息，通过微调Pro-PRIME模型，不仅能精准预测组合突变体的稳定性，还高效设计出多达50个优良的组合突变体，甚至在实验中证实了其稳定性和活性。

主要内容

在本研究中，作者运用一种AI辅助的策略，通过少量实验数据微调Pro-PRIME模型，来准确预测组合突变体的稳定性与活性。该模型基于广泛的生物数据进行训练，特别适合设计和优化高温酶。此外，微调使用的实验数据涵盖了肌酸酶的多项突变体，通过这些数据来有效捕捉组合突变体中的上位效应，以提升预测的准确性和效率，进而为生物医疗领域的酶改造提供新的思路。

主要亮点

EVO视讯的研究揭示了AI辅助的酶热稳定性工程策略的效率与有效性，成功表征出多达50个组合突变体，稳定性设计成功率高达100%。其中，优秀突变体13M4的Tm值提升了1019°C，同时保持了与野生型相似的催化活性。进一步地，研究还利用动态相关矩阵分析揭示了突变体之间的上位效应，为生物医疗研究提供了重要的理论支持。

EVO视讯的研究强调了将蛋白质工程数据与先进AI模型的结合，能够显著提升模型的预测性能，为未来的生物医疗领域的酶分子进化与优化任务提供强有力的支持。