bioRxiv 预印本· Xu, X., Ye, H., Gao, Z., Zhang, R., Zhou, X., Zhang, G., Guo, T., He, W., Feng, C., Xiao, B., Hu, F., Zeng, Q., Bai, A., Zhang, X., Wang, J., Gao, X. ·· 28 天前AI 评分38
AlphaVariant:强化学习结合进化先验,从稀疏实验反馈实现多位点酶优化
Reinforcement learning with evolutionary priors unlocks multi-site enzyme optimization from sparse experimental feedback
AI 导读
AlphaVariant 强化学习框架结合生成式进化先验与迭代更新的低N适应度模型,在三个大型多位点蛋白质适应度景观中排名第一。两轮 savinase 活性优化中,其设计文库分别有 75.4% 和 83.8% 的变体活性提升,突变位点从 25 个扩展至 67 个,仅两轮设计-测试即获得活性较野生型高 7.1 倍的变体。
来源:bioRxiv 预印本 · biorxiv.org