跳到正文
原文
bioRxiv 预印本· Nintzel, F., Lihan, M., Penner, M., Sieders, M., Gantz, M., Bormke, H., Sifri, C., Medcalf, E., Mathis, S., Cao, S., Hollfelder, F. ·· 2 天前AI 评分22

dETM 深度演化轨迹图谱揭示定向进化中机器学习无法预测的上位性路径

Deep sequence-function mapping reveals computationally unpredictable epistatic trajectories that drive laboratory evolution

AI 导读

研究者提出深度演化轨迹图谱(dETM),通过追踪多轮进化筛选的胜出变体,绘制亚胺还原酶适应度景观上的催化速率图谱。founder 变体被识别为通往适应度峰值的踏脚石,其竞争优势来自正上位性;当前机器学习模型无法预测最终胜出的演化轨迹。宽松选择与超高通量筛选可保持多条路径可及、避免收益递减,从而降低景观穿越风险。

来源:bioRxiv 预印本 · biorxiv.org