机器学习方法在酶定向进化中的应用进展OACSTPCD
Advances in the Application of Machine Learning Methods for Directed Evolution of Enzymes
定向进化法通过模拟自然界的进化过程,可提高酶的进化速度,成为酶分子改造的关键技术.定向进化在生物催化以及药物设计等方面发挥着重要作用,但因突变的随机性所产生的数量庞大的突变体,使得实验筛选的能力面临巨大挑战.近年来,人工智能、大数据处理等新兴技术也发展成为生物催化领域的重要研究手段.其中,机器学习是一种统计学习的方法,通过数据驱动的方式获得序列/结构到酶功能的映射,为提高酶分子工程的效率提供帮助.本文综述了机器学习模型中所涉及的数据处理、描述符和算法等内容,重点叙述了机器学习方法在酶工程方面的研究与应用进展.随着机器学习算法和应用技术的进步,有望提出更加精准和有效的模型,助力新酶筛选与生物催化剂的精准设计改造.
王慕镪;陈琦;马薇;李春秀;欧阳鹏飞;许建和
华东理工大学生物工程学院生物反应器工程国家重点实验室,上海200237华东理工大学生物工程学院生物反应器工程国家重点实验室,上海200237华东理工大学生物工程学院生物反应器工程国家重点实验室,上海200237华东理工大学生物工程学院生物反应器工程国家重点实验室,上海200237苏州百福安酶技术有限公司,苏州215512华东理工大学生物工程学院生物反应器工程国家重点实验室,上海200237
定向进化机器学习蛋白质工程生物催化
《生物技术通报》 2023 (4)
胆酸类药物合成用12α-/7β-羟基甾体脱氢酶的创制改造及构效关系
38-48,11
国家重点研发计划(2019YFA0905000,2021YFC2102300),国家自然科学基金项目(21871085,31971380,31971381)
评论