华盛顿大学研究团队利用人工智能RFdiffusion和深度学习网络PLACER，从头设计出高效丝氨酸水解酶，催化效率达到2.2x10^5 M^−1 s^−1。这一突破克服了传统设计的局限，标志着酶工程的重要进展，可能推动生物和工业应用的发展。

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。

中山大学团队开发了GraphEC，这是一种基于几何图学习的酶功能预测技术。它利用ESMFold预测结构和预训练的蛋白质语言模型，从蛋白质结构中提取功能信息。GraphEC能有效预测酶的活性位点、EC编号和最佳pH值，表现优于现有方法，具有在合成生物学和基因组学中的应用潜力。未来可通过改进结构质量和结合大型语言模型提升预测能力。