Nat Chem Engi发文：AI驱动的机器人自主探索蛋白质设计
2024年1月11日，来自威斯康星大学麦迪逊分校的研究团队在Nature Chemical Engineering发表文章Self-driving laboratories to autonomously navigate the protein fitness landscape，介绍了一个能对蛋白质进行工程改造的、由AI驱动的全自动机器人--SAMPLE。
蛋白质景观探索自主机器（SAMPLE） 由一个AI智能体驱动，它可以学习蛋白质序列与功能的关系，设计新蛋白质，并将设计发送给一个全自动机器人系统，该系统会对设计的蛋白质进行实验测试，并提供反馈以提高AI智能体对系统的理解。
研究内容
蛋白质工程在化学、能源和医学领域的应用几乎是无限的，但创造具有改进或新功能的新蛋白质仍然是缓慢、劳动密集和低效的。
威斯康星大学麦迪逊分校的蛋白质工程师Philip Romero说：“蛋白质工程是自驱动实验室的理想任务。传统方法往往依赖于开发一种特定性质的检测方法，比如酶活性，然后筛选大量的蛋白质变异版本。蛋白质工程领域的很多工作都很单调。”
Philip Romero的团队创建的系统由一个相对简单的机器学习模型驱动，该模型将蛋白质的序列与功能联系起来，并提出序列变化建议，以改善功能。它将测试用的蛋白质序列传送到实验室设备上，这些设备会制造蛋白质，测量其活性，然后将结果反馈给模型，指导新一轮的实验。
在这项研究中，研究人员给他们的自驱动实验室下达的任务是，让名为糖苷水解酶（GH1）的代谢酶更耐高温。经过20轮实验后，4次活动中的每一次都产生了新版本的酶，它们可以在比机器人实验室开始使用的蛋白质至少高12˚C的温度下运行。
图2 自主探索GH1景观
研究人员首先尝试运行自己的机器人设备，但机器老是坏。于是，他们求助于加利福尼亚州的一个云实验室--一个包含机器人设备的现有设施，可以通过计算机代码进行远程指挥--并将他们的人工智能模型设置为向那里发送指令。据研究人员估计，整个实验耗时约6个月，其中包括因运输延误而暂停的2.5个月，每运行20轮耗资约5,200美元。而人类可能需要花费长达一年的时间来完成同样的工作。
展望
自驱动机器人可实现科学发现过程的自动化并加快其进程，具有彻底改变蛋白质工程和合成生物学领域的巨大潜力。由于生物适应性景观的规模和复杂性以及湿实验室实验所需的专业操作，生物设计过程的自动化仍具有挑战性。
这项工作开发了用于完全自主蛋白质工程的SAMPLE平台。SAMPLE将自动学习、决策、蛋白质设计和实验紧密结合在一起，以探索、发现和优化蛋白质。研究团队部署了SAMPLE代理，目标是设计出具有更强耐热性的糖苷水解酶（GH1）。最终找到了比初始序列至少稳定12°C的耐热酶。
图3 所设计GH1s的热稳定性和动力学特性
https://www.nature.com/articles/s44286-023-00002-4
声明：本网站所有内容来源注明为“新医事”，版权均属于新医学事所有，未经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“新医事”。本网注明来源为其他媒体的内容为转载，或系自媒体发布的内容，仅系出于传递更多信息之目的，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。
