Machine-learning-guided directed evolution for protein engineering | Nature Methods
Machine-learning-guided directed evolution for protein engineering
机器学习引导的定向进化蛋白质工程
图1 | 带和不带机器学习的定向进化。
a）定向进化利用迭代循环的多样性生成和筛选来找到改进的变体。未改进的变体的信息被丢弃。【无目标效果突变】
b）定向进化是对函数空间进行的一系列局部搜索。【野生型单一突变起点】
c）机器学习（ML）方法利用每一轮定向进化收集的数据，选择下一轮要测试的突变。【收集并训练“突变-功能 ”模型以指导突变组合】
d）机器学习引导的定向进化通常会理性地选择初始点（绿色圆点），以最大化从函数空间中所学到的信息，从而使未来的迭代能够快速收敛到改进的序列（紫色星号）。【多个可能的突变起点】
本文最重要的我认为是“多目标突变”、收集并训练“突变-功能 ”模型，这两个思想