💡
原文中文，约2600字，阅读约需7分钟。
📝
内容提要
酶是重要的天然催化剂。斯坦福大学和西北大学的研究团队利用机器学习平台评估了1217种酶变体，成功提高了酰胺合成酶的活性，实验可在几天内完成，推动可持续生物制造的发展。
🎯
关键要点
- 酶是重要的天然催化剂，广泛应用于消化、香水、洗衣和疾病治疗等领域。
- 酶工程面临快速生成和使用大量序列功能关系数据集的挑战。
- 斯坦福大学和西北大学的研究团队开发了机器学习平台，集成无细胞DNA组装、基因表达和功能分析。
- 研究评估了1217种酶变体的底物偏好，成功设计出酰胺合成酶。
- 使用岭回归增强机器学习模型，预测酰胺合成酶变体的活性提高了1.6至42倍。
- 该研究将于2025年1月20日发布在《Nature Communications》上。
- 新方法加速了定向进化过程，能够在几天内完成实验，而不是几个月。
- 无细胞基因表达系统使得快速合成和功能测试蛋白质成为可能。
- 该框架整合了机器学习和诱变方法，能够将通用酶转化为多种专用酶。
- 研究团队对耐热海洋孢菌的McbA进行发散进化，显著提高了酶活性。
- 该方法理论上可应用于任何酶，但需针对特定反应进行微调。
- 数据收集仍是生物催化反应的瓶颈，人工智能需要大量数据支持。
- 研究者希望通过机器学习加速设计，探索可持续发展和生物经济的机会。
❓
延伸问答
什么是酶，它们的应用领域有哪些？
酶是重要的天然催化剂，广泛应用于消化、香水、洗衣和疾病治疗等领域。
斯坦福大学和西北大学的研究团队开发了什么新技术？
他们开发了一个机器学习引导的平台，集成了无细胞DNA组装、基因表达和功能分析。
该研究如何提高酰胺合成酶的活性？
研究使用岭回归增强机器学习模型，预测酰胺合成酶变体的活性提高了1.6至42倍。
无细胞基因表达系统的优势是什么？
无细胞基因表达系统使得快速合成和功能测试蛋白质成为可能，加速了定向进化过程。
该研究的成果对可持续生物制造有何影响？
研究成果有望推动可持续生物制造的发展，促进新酶的设计和应用。
数据收集在生物催化反应中面临什么挑战？
数据收集仍是生物催化反应的瓶颈，人工智能需要大量数据支持，但目前数据不足。
➡️
