文 | 钱钱

编辑 | 阿景

清华大学张数一团队最近搞出了个大动静，不是发了篇普通论文，是直接给蛋白质工程来了场“技术双杀”。

一边是能把蛋白质序列空间压缩10^48倍的EvoAI，另一边是24小时不停工的iAutoEvoLab全自动进化工厂。

这俩技术搭伙，愣是把过去“大海捞针”式的蛋白质设计，变成了能“按图施工”的精细活。

从“望远镜扫描”到“锚点导航”，EvoAI破解蛋白质序列的浩瀚迷宫

以前搞蛋白质工程的研究员，怕是最有体会那种无力感。

你想设计个有特定功能的蛋白质，光理论上的序列组合就有10^50种，这数字啥概念？把全宇宙的原子都拿来当“零件”，都凑不齐这么多组合。

传统方法要么像用望远镜在星空里瞎扫，要么靠零碎数据猜，效率低得让人着急。

张数一团队琢磨着，这事儿不能这么干。

他们想，既然图片能压缩，保留几个关键像素点照样看得清，蛋白质功能是不是也能这么玩？于是EvoAI的“锚点理论”就这么来了甭管序列多复杂，抓住那些真正管功能的“核心锚点”就行。

这些锚点就像地图上的关键路标，有了它们，不用走遍每个角落也能摸清蛋白质的“功能脾气”。

为了找到这些锚点，团队搭了个叫EvoScan的实验平台。

用噬菌体当“运输车”装蛋白质基因，CRISPR当“手术刀”精准改序列，再设计个基因回路，让蛋白质功能好坏直接和噬菌体“生死”挂钩。

功能好的噬菌体就能活下来，差的直接淘汰。

这套组合拳打下去，锚点找得又快又准。

最让人服气的是几个验证实验。

绿色荧光蛋白纳米抗体功能丢了，靠EvoAI找的锚点突变，居然真给恢复了，研究新冠主蛋白酶耐药位点，不仅找到了已知的，还新发现一批藏在蛋白各个角落的“耐药钉子户”，就连AmeR转录因子，抓了82个锚点让AI设计，10个新变体活性直接涨了10到38倍，而传统模型设计的全不行。

AmeR这事儿最能说明问题。

它的序列空间理论上有10^50种可能，EvoAI愣是靠82个锚点就把功能摸透了，等于把探索范围压缩了10^48倍。

这可不是简单偷懒，是真的证明了蛋白质功能景观“能被压缩”抓对重点，就能跳出“全序列扫描”的死胡同。

从“手工传代”到“无人工厂”，iAutoEvoLab让蛋白质进化“自动化”

蛋白质进化不光设计难，搞进化实验也是个苦差事。

传统定向进化全靠人手动操作，传代、筛选、记录，通量低不说，还容易出错。

遇到那种初始活性几乎为零的蛋白质，比如CapT7融合蛋白，传统方法简直无从下手，就像让新手直接上手造火箭，根本启动不了。

张数一团队干脆一步到位，造了个iAutoEvoLab全自动进化工厂。

硬件上，液体处理工作站精准配溶液、传样品，机械臂跑来跑去转运培养板，恒温培养箱、生长检测仪、冰箱各司其职。

软件上，MegaFluent控制系统当“大脑”，自己编排流程、分析数据，每个实验孔都能独立控制。

再加上层流罩保证无菌，这工厂能一口气跑数周甚至数月不中断。

核心是那个叫OrthoRep的进化引擎。

把目标蛋白功能和酵母“生死”绑在一起，蛋白功能好了，酵母的选择标记基因就表达强，长得好，功能差，酵母就被淘汰。

等于给蛋白质上了“生存压力”，不用人管，它们自己就会为了活下去而“主动进化”。

拿CapT7融合蛋白测试时，这工厂真露了一手。

这蛋白初始活性基本为零，目标是实现基因转录和mRNA加帽“二合一”，以后能用在mRNA疫苗生产上。

工厂25天连轴转，同时管着上百条进化线路，自己调整抗生素浓度和菌液稀释比例。

最后搞出个CapT7-V14变体，在酵母里驱动基因表达的能力，比一开始强了30倍还多。

期刊编辑看完都说，这平台以后肯定能在蛋白质工程产业里大显身手。

张数一团队也想得明白，他们就是想做个通用工具，让大家都能用，顺便把行业数据标准也统一了。

以前搞蛋白质工程像“手工作坊”，以后说不定就能像“标准化工厂”一样批量生产功能蛋白。

这俩技术凑一起才是真厉害。

iAutoEvoLab不停进化出数据，喂给EvoAI当“训练素材”，EvoAI学好了就反过来自告奋勇设计进化路线。

AI预测+实验验证，形成个闭环，蛋白质进化就从“瞎猫碰死耗子”变成了“按剧本演戏”，真正实现“可编程”。

现在蛋白质工程算是摸到了“数据科学”的门。

以前靠经验瞎试，现在有AI看“功能地图”，有全自动工厂跑实验。

不管是mRNA疫苗生产、抗病毒药物开发，还是合成生物学需要的各种酶和抗体，以后都可能靠这套技术加速搞出来。

张数一团队这波操作，不光是发了两篇论文，更像是给蛋白质工程开了个“智能时代”的头。