人工智能驱动的酶改造与设计研究进展

　　

摘要：

酶在生物体内以及工业应用里有着极其关键的作用，凭借其独特的催化性能，成为催化剂的关键选择之一。然而传统的酶改造与设计方法面临不少挑战，如序列空间庞大以及多目标优化存在困难等情况。近年来，人工智能（artificial intelligence, AI）技术中的深度学习和生成式人工智能方法，为酶改造与设计提供了新思路和解决方案，可在大规模数据的支撑下突破这些限制。AI驱动的策略实现了高效的序列空间探索和精准的结构-功能关系预测，并借助强化学习框架协调多目标优化。这些方法不仅显著加速了酶的工程化进程，更在提升催化效率、增强热稳定性、改善底物选择性等方面取得了突破性成果。本文系统综述了人工智能驱动酶改造与设计的最新研究进展，从基础数据库构建、智能改造策略、智能设计方法等方面进行了深入分析，同时探讨了当前面临的数据、模型及工程化挑战与未来发展方向。这些创新为设计高性能、多功能的酶开辟了广阔道路，并将推动生物制造、环境修复和生物育种等领域向更高效、智能和可持续的方向发展。