《Nature Communications》：Functional protein design and enhancement with ontology reinforcement iteration
编辑推荐：
本推荐介绍了一项旨在解决计算建模与实验性能脱节这一蛋白质工程核心挑战的研究。研究人员提出了“本体强化迭代”（ORI）框架，整合了本体条件化解码与实验反馈强化学习（RLWF），构建了一个包含生成、实验测量和模型更新的闭环工作流。该研究成功将其应用于溶菌酶活性优化、几丁质酶热稳定性提升及多功能酶工程等多个任务，获得了活性提升100倍、85 °C稳定等显著成果。这项工作建立了一个适用于现实实验场景的高效、多目标蛋白质工程技术平台。
在生命科学的前沿领域，蛋白质扮演着构建生命、驱动反应的核心角色，而“设计”和“优化”这些分子机器，使其具备超越天然版本的性能，是生物技术和医学研究者的共同梦想。然而，这条追梦之路并非坦途，一个名为“计算-实验鸿沟”的巨大障碍横亘其间。计算模型能够在虚拟世界中以惊人的速度筛选成千上万个蛋白质变体，预测它们的结构和功能，但这些“纸上谈兵”的预测，往往与现实实验中的实际表现大相径庭。这使得蛋白质工程在很大程度上仍依赖于耗时的试错和运气，难以实现高效、精准的定制化设计。为了跨越这道鸿沟，让计算智能真正成为实验探索的可靠向导，一项融合了人工智能与实验科学的研究应运而生。
该研究发表在《Nature Communications》上，题为“基于本体强化迭代的功能蛋白设计与增强”。研究人员开发了一个名为“本体强化迭代”（Ontology Reinforcement Iteration, ORI）的可扩展框架。这个框架的核心思想是将结构化的生物知识“本体”（Ontology）作为语义提示，与来自实验反馈的强化学习（Reinforcement Learning from experimental Feedback, RLWF）相结合，从而对蛋白质的生成过程施加多层次、可解释的约束。更重要的是，ORI构建了一个“生成-测量-更新”的闭环迭代工作流，使得模型能够基于真实世界的实验数据不断自我优化，形成一个持续学习和改进的智能系统。
研究人员为开展此项研究，主要运用了以下几个关键技术方法：首先是本体条件化解码技术，利用结构化本体作为语义提示来引导和约束蛋白质序列的生成；其次是强化学习与实验反馈的整合方法（RLWF），构建了从湿实验（wet-lab experiments）性能数据到模型参数更新的学习循环；此外，研究采用了闭环迭代工作流，将计算设计与高通量实验表征（如酶活测定、热稳定性分析）紧密衔接，实现了数据的即时回流与模型的动态更新。研究涉及了对多种酶蛋白（如溶菌酶、几丁质酶）的工程化改造。
研究结果
通过ORI框架成功优化了多种酶的性能
为了验证ORI框架的普适性与效能，研究人员将其应用于多个具有挑战性的蛋白质工程任务。在溶菌酶（lysozyme）的活性优化中，通过ORI框架设计的变体展现出了相对于天然基线高达100倍的活性提升，这证明了该框架在精准增强特定功能方面的强大能力。
实现了蛋白质热稳定性的显著增强
面对高温环境下降解或失活的难题，研究团队利用ORI对几丁质酶（chitinase）进行工程化改造。实验结果表明，所得的工程化变体能够在高达85 °C的条件下保持稳定和活性，这为解决工业或生物技术应用中酶的热稳定性瓶颈提供了有效的技术方案。
成功设计了具有双功能的融合酶
研究更进一步，挑战了多功能蛋白质的设计。研究人员利用ORI框架，成功设计出了同时具备溶菌酶和几丁质酶活性的双功能酶。这一成果不仅展示了ORI在处理复杂、多目标工程问题上的潜力，也为创造新型多功能生物催化剂开辟了道路。
ORI框架表现出高效的迭代优化能力
在整个研究过程中，闭环迭代的工作流发挥了关键作用。实验测量的数据被实时反馈用于更新模型，使得后续的设计轮次能够基于前一轮的实验结果进行更有针对性的优化。这种“设计-构建-测试-学习”（Design-Build-Test-Learn, DBTL）循环的高效运行，是ORI能够快速获得高性能变体的重要原因。
研究结论与讨论
本研究成功开发并验证了“本体强化迭代”（ORI）这一创新的蛋白质工程框架。该框架通过整合本体论的结构化知识引导与基于实验反馈的强化学习，有效弥合了计算预测与实验性能之间的差距。其核心贡献在于建立了一个可扩展、可控且可解释的蛋白质生成与优化平台，并通过闭环迭代的工作流实现了在真实实验目标驱动下的持续自我改进。
研究结论强调，ORI框架在多种实际任务中——包括酶活性的大幅提升（如100倍活性增强的溶菌酶）、极端条件稳定性赋予（如85 °C稳定的几丁质酶）以及复杂多功能集成（如双功能酶）——均取得了显著成功，性能大幅超越天然基准。这些结果不仅证实了ORI在处理多样化、多目标蛋白质工程问题上的强大能力与鲁棒性，也突显了将人工智能与高通量实验生物学深度整合的巨大价值。
其重要意义在于，ORI为蛋白质工程领域提供了一个通用的技术平台，使得研究人员能够更高效、更系统地进行定向进化与理性设计，加速了新型酶、治疗性蛋白乃至合成生物学元件的开发进程。这项工作标志着蛋白质工程向智能化、自动化迈出了关键一步，为解决能源、健康、环境等领域的重大挑战提供了强有力的新工具。
