MIT开发Pichia-CLM模型学习酵母DNA「语言」，外源蛋白产量最高可提高至3倍
💡
原文中文，约5200字，阅读约需13分钟。
📝
内容提要
毕赤酵母在重组蛋白生产中表现优异，但同义密码子的选择会影响表达量。麻省理工学院提出的Pichia-CLM模型通过深度学习优化密码子，显著提高蛋白产量，超越传统工具。研究表明，该模型有效捕捉氨基酸与密码子的关系，推动生物制药效率提升。
🎯
关键要点
- 毕赤酵母在重组蛋白生产中表现优异，但同义密码子的选择会影响表达量。
- 麻省理工学院提出的Pichia-CLM模型通过深度学习优化密码子，显著提高蛋白产量，超越传统工具。
- Pichia-CLM模型有效捕捉氨基酸与密码子的关系，推动生物制药效率提升。
- Pichia-CLM利用宿主基因组数据无偏地学习氨基酸到密码子的映射关系。
- 研究验证显示Pichia-CLM在6类不同复杂度的蛋白上均观察到更高的表达产量。
- Pichia-CLM采用基于GRU的编码器–解码器架构，具有更高的计算效率与更低的资源消耗。
- 模型训练过程中使用验证集进行早停以优化参数，确保模型性能。
- Pichia-CLM在实验中提升了多种蛋白的分泌产量，尤其是HSA的产量提升显著。
- 与商业密码子优化工具相比，Pichia-CLM在多个指标上均表现优越。
- Pichia-CLM能够生成高产蛋白的构建体，并学习关键的遗传序列特征。
- 人工智能驱动的自动化优化在蛋白质生产中展现出颠覆性潜力，未来将扩展至更广泛的生物制造场景。
➡️
