AI 重构蛋白质工程格局：Science 深度解析
本篇 Science 综述聚焦人工智能如何介入并革新蛋白质工程领域。文章并未将 AI 单纯视为一种新工具，而是将其置于蛋白质工程数十年来的核心挑战中：如何在浩瀚的蛋白质序列与结构空间内，精准寻得具备目标特性的蛋白。作者首先梳理了前 AI 时代的两大路径：定向进化与计算蛋白设计。前者依靠突变、筛选及实验测定，能直接针对目标特性优化，但受限于通量、耗时与成本；后者基于物理启发的能量函数与结构建模，搜索范围更广、效率更高，却难以用单一能量函数涵盖表达、稳定性、催化活性及动态构象等复杂属性。综述的核心观点是将 A
AI重构蛋白工程：开启生命设计新纪元
大自然耗费数十亿年才雕琢出生命的蛋白质蓝图，而蛋白质工程却要在极度压缩的时间维度——数年甚至更短，在AI加持下或许仅需数日——内打造出具备特定功能的蛋白分子，这绝非易事。传统蛋白工程主要依赖两大范式：曾获2018年诺奖的"定向进化"（DE）与斩获2024年诺奖的"计算蛋白设计"（CPD）。前者如同"人工加速的自然筛选"，通过反复诱变与筛选在实验室中"培育"优质蛋白，但耗时费力且需优质起点；后者则试图借助计算机模拟与物理法则从零"推演"理想蛋白结构，尽管检索迅速，却因理论模型过度简化而难以复现复杂的生化反应