這幾年做酶工程的人估計(jì)都和我一樣被同一個(gè)問(wèn)題折磨過(guò)文獻(xiàn)里看起來(lái)很有道理的突變位點(diǎn)做出來(lái)效果卻一言難盡瘋狂跑定點(diǎn)突變體力活干到懷疑人生。AI輔助蛋白質(zhì)工程真正落地之后其實(shí)是把“設(shè)計(jì)突變方案”從一門手藝變成了半自動(dòng)流程。我現(xiàn)在的日常是把“提高這個(gè)酶在60℃下的熱穩(wěn)定性活性別掉”這樣一句話需求丟給系統(tǒng)它會(huì)在幾小時(shí)內(nèi)產(chǎn)出一份排序好的候選突變清單包括單點(diǎn)突變、組合突變、引物建議還能直接對(duì)接后端的建庫(kù)和篩選。這篇文章就把這套流程從思路到工具、從代碼到坑完整拆開講一遍適合正在做酶工程、合成生物學(xué)或者結(jié)構(gòu)生物學(xué)想把AI真正用進(jìn)實(shí)驗(yàn)里的人。1. 整體思路從一句話需求到一版突變方案1.1 先搞清楚AI在流程里替代了什么很多人一聽到“AI設(shè)計(jì)酶”第一反應(yīng)是讓AI憑空生成一個(gè)酶。但實(shí)際做酶工程的時(shí)候大部分需求根本不是“無(wú)中生有”而是在現(xiàn)有酶的基礎(chǔ)上做幾處點(diǎn)突變把某個(gè)性能調(diào)一調(diào)。這種場(chǎng)景下傳統(tǒng)做法靠的是經(jīng)驗(yàn)老師傅會(huì)去比對(duì)同源序列、翻晶體結(jié)構(gòu)、找文獻(xiàn)里報(bào)道過(guò)的熱點(diǎn)位點(diǎn)然后手工挑出二三十個(gè)突變位點(diǎn)做實(shí)驗(yàn)。這個(gè)過(guò)程極其依賴個(gè)人積累而且經(jīng)常漏掉一些真正有效的突變。我搭這套AI輔助流程時(shí)最先想清楚的不是“AI能預(yù)測(cè)多準(zhǔn)”而是“AI應(yīng)該替代流程里的哪一段”。仔細(xì)拆下來(lái)真正耗時(shí)的是這幾件事收集和閱讀文獻(xiàn)、分析結(jié)構(gòu)、篩選候選位點(diǎn)、評(píng)估突變效果、設(shè)計(jì)實(shí)驗(yàn)方案。AI能穩(wěn)定替代的是中間三段也就是知識(shí)檢索、候選生成和初步評(píng)分。最后的實(shí)驗(yàn)驗(yàn)證AI替代不了也不應(yīng)該替代。這樣想之后整個(gè)系統(tǒng)就不是一個(gè)“黑箱預(yù)測(cè)器”而是一個(gè)輔助決策工具它輸出的是候選人名單最終判斷還是人在做。1.2 “提高熱穩(wěn)定性”這句話怎么翻譯成目標(biāo)函數(shù)項(xiàng)目標(biāo)題里寫的“一句話協(xié)助設(shè)計(jì)”聽著很輕松但實(shí)際問(wèn)題就出在“一句話”本身。因?yàn)橛?jì)算機(jī)不會(huì)理解“熱穩(wěn)定性好一點(diǎn)”這種模糊表達(dá)。它需要的是一個(gè)可計(jì)算的目標(biāo)函數(shù)或者至少是一組帶權(quán)重的打分標(biāo)準(zhǔn)。以“提高熱穩(wěn)定性”為例我在流程里會(huì)把它拆成幾個(gè)可量化的指標(biāo)折疊自由能變化ΔΔG負(fù)值越大代表突變后蛋白越穩(wěn)定這是最常用的穩(wěn)定性指標(biāo)。分子內(nèi)疏水核心的堆積質(zhì)量熱穩(wěn)定蛋白通常有更緊實(shí)的疏水核心。表面電荷和極性殘基分布高溫下脫酰胺、氧化這類化學(xué)降解往往和表面殘基有關(guān)。與目標(biāo)溫度有關(guān)的虛擬篩選閾值比如要求60℃下仍保持活性那么就要關(guān)注該溫度附近的構(gòu)象柔性。這一步我會(huì)用大語(yǔ)言模型把用戶的話解析成結(jié)構(gòu)化參數(shù)然后映射到上面的指標(biāo)上。但這里有個(gè)關(guān)鍵點(diǎn)不能讓大模型自己定義一切。解析出來(lái)的結(jié)果必須經(jīng)過(guò)校驗(yàn)比如用戶說(shuō)“熱穩(wěn)定性”時(shí)必須確認(rèn)到底要Tm、T50還是長(zhǎng)期儲(chǔ)存穩(wěn)定性這幾個(gè)目標(biāo)對(duì)應(yīng)的篩選策略完全不一樣。我踩過(guò)的坑就是直接把“耐熱”理解成ΔΔG結(jié)果實(shí)驗(yàn)測(cè)的是T50兩者相關(guān)性并不總是很好。1.3 我最終采用的管線長(zhǎng)什么樣跑過(guò)幾輪實(shí)驗(yàn)之后我把整個(gè)流程固定成了四條串聯(lián)的步驟這也是我認(rèn)為最容易復(fù)制的結(jié)構(gòu)。第一步是自然語(yǔ)言解析用大模型把“一句話需求”轉(zhuǎn)成目標(biāo)函數(shù)和約束條件。比如“提高熱穩(wěn)定性保持活性”會(huì)轉(zhuǎn)成“最小化ΔΔG同時(shí)懲罰活性位點(diǎn)附近的突變”。第二步是候選突變空間生成這一步我看著結(jié)構(gòu)結(jié)合序列保守性和分子動(dòng)力學(xué)模擬結(jié)果圈出可能有效的位點(diǎn)范圍一般控制在20到50個(gè)位點(diǎn)而不是全序列掃描。第三步是多維度打分把FoldX、Rosetta、ESM序列模型的分?jǐn)?shù)整合成一個(gè)排序。第四步是輸出實(shí)驗(yàn)方案包括Top N單點(diǎn)突變、組合突變組合方式、引物設(shè)計(jì)方案和96孔板布局建議。這條管線真正的價(jià)值在于“可解釋”。每個(gè)最終輸出的突變位點(diǎn)系統(tǒng)都會(huì)附帶一段理由比如“該位點(diǎn)位于柔性loop突變到纈氨酸后填充了疏水空腔FoldX預(yù)測(cè)ΔΔG為-0.8 kcal/mol”。這樣實(shí)驗(yàn)人員拿到方案后仍然有自己的判斷空間而不是面對(duì)一個(gè)不知道從哪里冒出來(lái)的黑箱結(jié)果。1.4 為什么不干脆讓大模型直接給突變位點(diǎn)有人會(huì)問(wèn)既然大模型這么厲害直接把“酶序列”和“需求”丟給它讓它輸出突變列表不就行了我試過(guò)效果很不穩(wěn)定。主要原因是大模型并沒有真正理解酶的結(jié)構(gòu)和物理化學(xué)規(guī)律它只是在做模式補(bǔ)全。它可能給出看起來(lái)合理的突變但稍微一查就會(huì)發(fā)現(xiàn)有些突變位點(diǎn)根本在活性中心附近或者突變到了高度保守的關(guān)鍵殘基上實(shí)驗(yàn)一做就失活。所以我的選擇是讓大模型做“翻譯”和“解釋”不讓它做“預(yù)測(cè)”。真正的打分和篩選必須交給專門的結(jié)構(gòu)計(jì)算工具和序列模型。換句話說(shuō)大模型是前臺(tái)它負(fù)責(zé)理解人話并包裝結(jié)果物理模型是后臺(tái)它負(fù)責(zé)算能量和結(jié)構(gòu)實(shí)驗(yàn)數(shù)據(jù)是裁判它負(fù)責(zé)告訴所有人誰(shuí)對(duì)誰(shuí)錯(cuò)。這套組合比任何單一模型都靠譜。2. 核心細(xì)節(jié)解析與工具選型要點(diǎn)2.1 結(jié)構(gòu)預(yù)測(cè)和能量計(jì)算AlphaFold、FoldX、Rosetta怎么分工做突變?cè)O(shè)計(jì)第一步是拿到可信的三維結(jié)構(gòu)。如果沒有晶體結(jié)構(gòu)我用AlphaFold2或ESMFold做預(yù)測(cè)。兩者分工明確AlphaFold2精度更高但速度慢適合對(duì)單個(gè)序列深入分析ESMFold速度快適合批量處理多個(gè)同源序列或做大規(guī)模掃描。實(shí)測(cè)下來(lái)對(duì)于大多數(shù)酶來(lái)說(shuō)AlphaFold2預(yù)測(cè)的結(jié)構(gòu)足夠用來(lái)做后續(xù)突變?cè)O(shè)計(jì)但需要注意預(yù)測(cè)結(jié)構(gòu)里有些loop區(qū)域其實(shí)并不確定這些區(qū)域做能量計(jì)算時(shí)需要特別小心。拿到結(jié)構(gòu)之后就輪到能量計(jì)算工具登場(chǎng)。我常用的工具組合是FoldX和Rosetta再加一個(gè)EvoEF作為交叉驗(yàn)證。下面這個(gè)表是我自己在不同場(chǎng)景下的選型標(biāo)準(zhǔn)工具主要輸入擅長(zhǎng)場(chǎng)景典型耗時(shí)我的使用場(chǎng)景AlphaFold2氨基酸序列高精度結(jié)構(gòu)預(yù)測(cè)分鐘到小時(shí)無(wú)晶體結(jié)構(gòu)時(shí)的基礎(chǔ)模型ESMFold氨基酸序列快速結(jié)構(gòu)預(yù)測(cè)秒級(jí)批量掃描同源序列FoldX結(jié)構(gòu)文件單點(diǎn)突變?chǔ)う快速計(jì)算秒級(jí)每個(gè)突變候選突變的初篩Rosetta結(jié)構(gòu)文件精細(xì)能量計(jì)算和構(gòu)象采樣分鐘到小時(shí)對(duì)Top候選做復(fù)核EvoEF結(jié)構(gòu)文件蛋白質(zhì)穩(wěn)定性快速評(píng)估秒級(jí)每個(gè)突變和FoldX結(jié)果交叉對(duì)比ESM序列序列適應(yīng)度估計(jì)秒級(jí)判斷突變是否符合進(jìn)化規(guī)律選型邏輯不復(fù)雜先用AlphaFold2把結(jié)構(gòu)定下來(lái)再用FoldX快速跑幾百個(gè)單點(diǎn)突變的打分最后用Rosetta對(duì)排序前20的突變做精細(xì)驗(yàn)證。FoldX雖然快但它的能量函數(shù)比較簡(jiǎn)單碰到極性殘基或特殊化學(xué)環(huán)境容易失真所以設(shè)計(jì)流程里不能只依賴單一工具至少要有兩個(gè)獨(dú)立方法互相印證。2.2 突變位點(diǎn)候選空間怎么圈定如果把序列上每個(gè)位點(diǎn)都突變成其他19種氨基酸假設(shè)一個(gè)酶有400個(gè)殘基總共就是7600個(gè)單點(diǎn)突變。FoldX跑起來(lái)倒是很快但這些突變里絕大多數(shù)是無(wú)效甚至有害的直接全掃浪費(fèi)計(jì)算資源而且會(huì)產(chǎn)生大量假陽(yáng)性。我現(xiàn)在的做法是先縮小候選位點(diǎn)范圍。判斷標(biāo)準(zhǔn)可以分成三類保守性極度高的位點(diǎn)直接排除這些往往是功能關(guān)鍵殘基突變大概率失活。活性位點(diǎn)一定距離內(nèi)的殘基保留但增加懲罰一般我會(huì)設(shè)一個(gè)6埃甚至更嚴(yán)格的距離閾值。表面高柔性區(qū)域、內(nèi)部疏水空腔附近、亞基界面這些地方則重點(diǎn)保留因?yàn)樗鼈兪欠€(wěn)定性調(diào)節(jié)的主要區(qū)域。實(shí)際操作中我會(huì)結(jié)合序列同源比對(duì)和分子動(dòng)力學(xué)模擬。比如用MD跑幾十納秒統(tǒng)計(jì)每個(gè)殘基的均方根漲落也就是柔性值。那些柔性高但離活性位點(diǎn)遠(yuǎn)的loop區(qū)域往往是通過(guò)引入疏水殘基或剛性氨基酸來(lái)提升熱穩(wěn)定性的關(guān)鍵位置。這個(gè)圈定過(guò)程如果純靠人工要好幾天用腳本輔助幾十分鐘就能完成。2.3 打分模型里如何兼顧“活性別掉”單看穩(wěn)定性打分是不夠的因?yàn)楹苋菀壮霈F(xiàn)“突變后蛋白變得很穩(wěn)定但完全沒有活性”的結(jié)果。我見過(guò)不少這類的設(shè)計(jì)測(cè)Tm時(shí)很漂亮一測(cè)酶活直接歸零。所以打分模型必須加入活性約束。我常用的一個(gè)簡(jiǎn)化打分公式如下score w1 × stability_score w2 × conservation_score - w3 × activity_risk其中stability_score來(lái)自FoldX或Rosetta預(yù)測(cè)的ΔΔG負(fù)值越穩(wěn)定則得分越高conservation_score來(lái)自同源序列比對(duì)估計(jì)突變后的氨基酸是否符合該位置的進(jìn)化偏好activity_risk是突變位點(diǎn)到活性中心的距離懲罰距離越近風(fēng)險(xiǎn)越高。權(quán)重w1、w2、w3需要根據(jù)具體酶系手動(dòng)調(diào)一般w1在0.5到0.7之間w2在0.2到0.3之間w3是反向懲罰項(xiàng)沒有固定標(biāo)準(zhǔn)但我會(huì)讓它足以壓過(guò)那些靠近活性位點(diǎn)的“高穩(wěn)定性突變”。這樣設(shè)計(jì)的核心思想是把穩(wěn)定性預(yù)測(cè)當(dāng)作主要目標(biāo)把保守性當(dāng)作安全網(wǎng)把活性風(fēng)險(xiǎn)當(dāng)作一票否決項(xiàng)。雖然保守性高的位點(diǎn)突變后不一定失活但至少說(shuō)明進(jìn)化上這些殘基很難被替換突變風(fēng)險(xiǎn)高。對(duì)工業(yè)酶改造來(lái)說(shuō)安全第一實(shí)驗(yàn)成本不允許承擔(dān)太多失活風(fēng)險(xiǎn)所以保守性分?jǐn)?shù)在初篩里權(quán)重必須夠重。2.4 多輪迭代時(shí)的組合突變策略單點(diǎn)突變實(shí)驗(yàn)做幾輪之后必然要面對(duì)組合突變的問(wèn)題。很多人以為兩個(gè)有益單突變加在一起酶就會(huì)變得更好但真實(shí)情況經(jīng)常是負(fù)協(xié)同甚至互相抵消。我做組合突變?cè)O(shè)計(jì)時(shí)從不把單點(diǎn)突變分?jǐn)?shù)簡(jiǎn)單相加而是采用“逐步疊加”策略第一輪選Top 5單點(diǎn)突變?nèi)繂为?dú)實(shí)驗(yàn)。第二輪按實(shí)驗(yàn)驗(yàn)證的正向結(jié)果做兩兩組合。第三輪再把表現(xiàn)最好的兩三個(gè)組合做三突變疊加。這里AI能幫上忙的是組合爆炸問(wèn)題。三個(gè)位點(diǎn)各有幾種候選氨基酸時(shí)組合數(shù)可能超過(guò)一千種實(shí)驗(yàn)不可能全部做。我會(huì)先用Rosetta做雙突變掃描再把預(yù)測(cè)結(jié)果和上一輪實(shí)驗(yàn)數(shù)據(jù)合并用一個(gè)小型機(jī)器學(xué)習(xí)模型回歸出組合效應(yīng)。這個(gè)方法雖然簡(jiǎn)單但比單純按ΔΔG相加靠譜得多。本質(zhì)上組合突變預(yù)測(cè)是在擬合一個(gè)非線性的能量面單點(diǎn)近似只在突變位點(diǎn)彼此很遠(yuǎn)時(shí)成立。3. 實(shí)操過(guò)程完整跑一輪熱穩(wěn)定性突變方案3.1 輸入輸出示例為了把流程講清楚我拿一個(gè)比較典型的場(chǎng)景舉例工作對(duì)象是一個(gè)來(lái)自中溫菌的脂肪酶目標(biāo)是一句話“提高這個(gè)酶在60℃下的熱穩(wěn)定性同時(shí)保持原有催化活性?！毕到y(tǒng)最后輸出的一張示意表單大概長(zhǎng)這樣排名突變FoldX預(yù)測(cè)ΔΔG (kcal/mol)保守性風(fēng)險(xiǎn)距活性中心距離 (?)AI推薦理由1G44A-0.82低18位于柔性loop增加局部剛性2V180I-0.65低24增強(qiáng)疏水核心堆積3S227A-0.51中15減少極性表面降低脫酰胺風(fēng)險(xiǎn)4T118V-0.47中22填充內(nèi)部空腔5N94A-0.38高12穩(wěn)定性得分正但風(fēng)險(xiǎn)偏高建議謹(jǐn)慎這里要特別說(shuō)明表中的ΔΔG數(shù)值是演示用示意數(shù)據(jù)不是從真實(shí)實(shí)驗(yàn)中測(cè)出來(lái)的。真正跑流程時(shí)每個(gè)數(shù)值都會(huì)附上對(duì)應(yīng)的工具版本和參數(shù)方便溯源。輸出表單的最后系統(tǒng)還會(huì)給出一個(gè)建議先單獨(dú)測(cè)試這5個(gè)單點(diǎn)突變?nèi)缓髢?yōu)先組合G44A和V180I因?yàn)檫@兩個(gè)位點(diǎn)相距較遠(yuǎn)負(fù)協(xié)同概率相對(duì)低。3.2 用一段Python把打分流程串起來(lái)整套流程的代碼并不復(fù)雜核心邏輯可以濃縮成偽代碼。我用Python寫的骨架大致是下面這個(gè)樣子def design_mutants(sequence, structure, request_text): target parse_request(request_text) candidates select_candidate_positions(sequence, structure, target) results [] for pos, original_aa in candidates: for new_aa in all_amino_acids(): if new_aa original_aa: continue ddg run_foldx(structure, f{original_aa}{pos}{new_aa}) conservation query_esm_log_likelihood(sequence, pos, new_aa) activity_risk calculate_active_site_penalty(pos, new_aa) score 0.6 * (-ddg) 0.2 * conservation - 0.2 * activity_risk results.append({ mutation: f{original_aa}{pos}{new_aa}, score: score, ddg: ddg, conservation: conservation, }) results.sort(keylambda x: x[score], reverseTrue) return results[:10]實(shí)際運(yùn)行的時(shí)候有幾個(gè)細(xì)節(jié)必須注意。第一select_candidate_positions不能全序列隨機(jī)選要用保守性篩掉高度保守位點(diǎn)。第二run_foldx要對(duì)原始結(jié)構(gòu)做修復(fù)比如補(bǔ)缺失原子、加氫否則算出來(lái)的ΔΔG會(huì)有很大噪聲。第三conservation不是直接的百分比而是一個(gè)序列似然分?jǐn)?shù)來(lái)自ESM模型數(shù)值越高代表該突變?cè)椒贤吹鞍椎倪M(jìn)化規(guī)律。我一開始直接用同源比對(duì)保守性百分?jǐn)?shù)效果差一些后來(lái)?yè)Q成ESM的log-likelihood排序穩(wěn)定性明顯改善。打完分之后我不會(huì)馬上輸出Top10而是會(huì)把結(jié)果再做一次過(guò)濾。比如把所有突變成半胱氨酸的突變?nèi)刻蕹驗(yàn)橛坞x半胱氨酸容易形成錯(cuò)誤的二硫鍵導(dǎo)致蛋白聚集。另外如果某個(gè)位點(diǎn)在多個(gè)候選突變里反復(fù)出現(xiàn)我也會(huì)額外留意這類位點(diǎn)往往是影響穩(wěn)定性的“熱點(diǎn)位點(diǎn)”價(jià)值比較高。3.3 從突變方案到引物設(shè)計(jì)與建庫(kù)AI輸出一版突變方案只是萬(wàn)里長(zhǎng)征第一步。要真正把方案變成實(shí)驗(yàn)數(shù)據(jù)還需要把突變轉(zhuǎn)成引物和文庫(kù)。我們實(shí)驗(yàn)室目前的做法比較實(shí)際Top10單點(diǎn)突變用商業(yè)引物合成一次大概兩周組合突變?nèi)绻麛?shù)量少于50個(gè)也是逐個(gè)合成點(diǎn)突變體不做大文庫(kù)。如果要規(guī)?；瘶?biāo)準(zhǔn)流程是設(shè)計(jì)一段包含突變位點(diǎn)的寡核苷酸通過(guò)PCR方式引入突變。這一步有一個(gè)容易被忽略的坑引物設(shè)計(jì)軟件往往只管Tm值匹配不會(huì)考慮密碼子偏好。如果突變后的密碼子在大腸桿菌里是稀有密碼子表達(dá)水平可能會(huì)大幅下降。所以我的方案輸出里會(huì)強(qiáng)制檢查突變后密碼子的適應(yīng)指數(shù)任何低于閾值的密碼子都會(huì)做同義密碼子替換保證氨基酸不變但表達(dá)系統(tǒng)更友好。文庫(kù)構(gòu)建方面如果只是驗(yàn)證AI方案的幾十個(gè)突變體用普通的96孔板手工操作就夠。如果要做飽和突變比如某個(gè)位點(diǎn)所有19種氨基酸都測(cè)一遍那就建議上液體處理工作站。我們用的是聲控移液設(shè)備一次能精確分配納升級(jí)液體極大減少誤差。建庫(kù)結(jié)束后用NGS做一輪質(zhì)控確認(rèn)突變分布正確這一步很關(guān)鍵因?yàn)镻CR擴(kuò)增容易出現(xiàn)偏好性。3.4 一輪迭代大概需要多久很多朋友關(guān)心AI輔助設(shè)計(jì)到底能省多少時(shí)間。按我自己的統(tǒng)計(jì)從拿到目標(biāo)序列到最后拿到一輪實(shí)驗(yàn)數(shù)據(jù)最快的話三周能閉環(huán)。時(shí)間分布大概是AI設(shè)計(jì)和打分最多一兩天引物合成兩到三天克隆和轉(zhuǎn)化四到五天蛋白表達(dá)和粗酶液篩選一周數(shù)據(jù)處理和反饋到AI模型再做下一輪設(shè)計(jì)三到四天?？偣踩茏笥?。相比傳統(tǒng)隨機(jī)突變加上定向進(jìn)化篩選這個(gè)周期已經(jīng)快了不少。傳統(tǒng)方法先構(gòu)建隨機(jī)突變庫(kù)再篩選幾千個(gè)克隆光篩選就要好幾個(gè)月。AI輔助的好處不是一次就能拿到完美突變體而是能快速把候選空間從幾千幾萬(wàn)壓縮到幾十讓后續(xù)每一輪實(shí)驗(yàn)都在更高質(zhì)量的基礎(chǔ)上迭代。我自己的體會(huì)是三輪左右的“設(shè)計(jì)-驗(yàn)證-反饋”閉環(huán)基本可以找到明顯提升熱穩(wěn)定性的組合突變這個(gè)成功率已經(jīng)讓我很滿意了。4. 常見問(wèn)題與排查技巧實(shí)錄4.1 預(yù)測(cè)提升實(shí)驗(yàn)卻不變先查這五個(gè)方向AI給的Top1突變實(shí)驗(yàn)測(cè)出來(lái)熱穩(wěn)定性沒有任何提高這種情況我遇到太多了。遇到這種問(wèn)題我的排查順序是這樣的先確認(rèn)結(jié)構(gòu)模型質(zhì)量。如果是AlphaFold預(yù)測(cè)的結(jié)構(gòu)重點(diǎn)看突變位點(diǎn)附近的pLDDT置信度。如果置信度很低說(shuō)明這個(gè)區(qū)域本身就不確定所有能量計(jì)算都不可靠。再檢查突變前結(jié)構(gòu)是否做過(guò)能量?jī)?yōu)化。很多工具要求先跑一輪最小化直接拿原始PDB算ΔΔG會(huì)有大量假陽(yáng)性。然后復(fù)核打分?jǐn)?shù)值。FoldX的ΔΔG單次計(jì)算波動(dòng)不小我一般會(huì)重復(fù)跑3次取平均值少于0.3 kcal/mol的差異先視為噪聲。接著看實(shí)驗(yàn)條件。熱穩(wěn)定性測(cè)定是T50還是Tm與AI優(yōu)化的目標(biāo)是不是同一個(gè)指標(biāo)經(jīng)常出現(xiàn)“預(yù)測(cè)的是折疊自由能實(shí)驗(yàn)測(cè)的是催化活性隨溫度衰減”這類驢頭不對(duì)馬嘴的情況。最后才是懷疑氨基酸替換本身。同一個(gè)位點(diǎn)換成一個(gè)更大側(cè)鏈可能增加堆積也可能造成空間沖突需要看局部環(huán)境的實(shí)際三維排布。我建議不要一上來(lái)就怪AI。大部分失敗其實(shí)出在結(jié)構(gòu)準(zhǔn)備和實(shí)驗(yàn)檢測(cè)指標(biāo)不匹配上這兩點(diǎn)找準(zhǔn)了成功率會(huì)明顯提升。4.2 突變體表達(dá)量下降甚至完全包涵體穩(wěn)定性設(shè)計(jì)有一個(gè)隱藏風(fēng)險(xiǎn)預(yù)測(cè)時(shí)看的是成熟蛋白的折疊穩(wěn)定性但蛋白在大腸桿菌里表達(dá)時(shí)還要經(jīng)歷翻譯和折疊過(guò)程。一個(gè)突變能把成熟態(tài)變得更穩(wěn)定卻可能讓折疊中間態(tài)更容易聚集最終表現(xiàn)為包涵體。我設(shè)計(jì)的突變體里確實(shí)碰到過(guò)幾次這種問(wèn)題。排查方法很簡(jiǎn)單先做小規(guī)模誘導(dǎo)表達(dá)實(shí)驗(yàn)做全菌和上清的電泳對(duì)比確認(rèn)目標(biāo)蛋白是否在上清中。如果表達(dá)量明顯下降優(yōu)先做兩件事一是降低誘導(dǎo)溫度比如從37℃降到25℃給折疊過(guò)程爭(zhēng)取時(shí)間二是共表達(dá)分子伴侶比如GroEL-GroES系統(tǒng)幫助新生肽鏈正確折疊。如果還不行就得回到設(shè)計(jì)端把那個(gè)突變從候選里去掉換一個(gè)保守性更好的位點(diǎn)。從AI設(shè)計(jì)角度后來(lái)我加入了一個(gè)“表達(dá)友好度”過(guò)濾項(xiàng)突變后的密碼子適應(yīng)指數(shù)過(guò)低直接降權(quán)。這項(xiàng)過(guò)濾不能完全避免表達(dá)問(wèn)題但至少把經(jīng)典翻譯瓶頸堵住了一部分。4.3 問(wèn)題排查速查表下面把我在項(xiàng)目中遇到的高頻問(wèn)題整理成一個(gè)速查表方便大家對(duì)照現(xiàn)象可能原因排查與解決預(yù)測(cè)ΔΔG很好但Tm沒變結(jié)構(gòu)模型置信度低檢查pLDDT改用實(shí)驗(yàn)結(jié)構(gòu)多個(gè)工具打分矛盾輸入結(jié)構(gòu)準(zhǔn)備不一致統(tǒng)一做能量最小化加氫突變體不表達(dá)密碼子不友好換成高適應(yīng)指數(shù)同義密碼子表達(dá)量正常但無(wú)活性突變靠近活性位點(diǎn)檢查距離加入活性風(fēng)險(xiǎn)懲罰組合突變效果差位點(diǎn)間負(fù)協(xié)同用雙突變掃描替換單點(diǎn)相加實(shí)驗(yàn)和預(yù)測(cè)趨勢(shì)相反目標(biāo)指標(biāo)不一致確認(rèn)測(cè)的是Tm還是T50這張表基本覆蓋了我自己跑項(xiàng)目時(shí)八成以上的問(wèn)題。很多問(wèn)題在第一次遇到時(shí)會(huì)讓人覺得AI“不靠譜”但排查過(guò)后會(huì)發(fā)現(xiàn)絕大多數(shù)都是工程細(xì)節(jié)沒校準(zhǔn)而不是預(yù)測(cè)原理有問(wèn)題。4.4 我的實(shí)操心得先跑通手動(dòng)閉環(huán)再談全自動(dòng)最后說(shuō)點(diǎn)大實(shí)話。項(xiàng)目標(biāo)題里提到“自動(dòng)化”但我不建議一開始就上一整套自動(dòng)化平臺(tái)。先手動(dòng)跑通兩三輪“AI設(shè)計(jì)-手工驗(yàn)證-數(shù)據(jù)反饋”的閉環(huán)比直接買設(shè)備裝工作站重要得多。原因很簡(jiǎn)單自動(dòng)化只是把流程放大不能矯正錯(cuò)誤。如果你一開始打分邏輯就有問(wèn)題全自動(dòng)只會(huì)讓你更快地做出錯(cuò)誤突變庫(kù)成本更高。我的做法是先把所有環(huán)節(jié)做成半自動(dòng)AI生成方案后我用表格管理突變和實(shí)驗(yàn)結(jié)果每輪實(shí)驗(yàn)后手動(dòng)更新數(shù)據(jù)庫(kù)。跑了三四輪之后積累了足夠的正負(fù)樣本再開始寫腳本把數(shù)據(jù)回灌到打分模型里逐步讓系統(tǒng)“記住”這個(gè)酶的特殊規(guī)律。到這時(shí)候上液體工作站才真正有意義。這個(gè)思路同樣適用于那些還沒接觸AI的實(shí)驗(yàn)室先把最簡(jiǎn)單的“AI設(shè)計(jì)、人工驗(yàn)證”跑通成效一定比想象中快。這段時(shí)間用下來(lái)我個(gè)人最大的感受是AI輔助蛋白質(zhì)工程真正的價(jià)值不是替代經(jīng)驗(yàn)而是把經(jīng)驗(yàn)從少數(shù)人手里復(fù)制給所有人。以前一個(gè)新來(lái)的學(xué)生要花半年才能學(xué)會(huì)怎么挑突變位點(diǎn)現(xiàn)在有了這套流程他第一周就能提出一套有依據(jù)的候選方案第三周已經(jīng)開始做實(shí)驗(yàn)驗(yàn)證。做酶工程多年最大的瓶頸從來(lái)不是測(cè)活性而是把有限的人力從重復(fù)設(shè)計(jì)中解放出來(lái)。每次看到AI給出的突變方案在實(shí)驗(yàn)里真正生效我都覺得這件事值得繼續(xù)做下去。