精选
虚拟专刊
AI and Enzyme Engineering
由中国科学院微生物研究所陶勇研究员与吴边研究员组织的虚拟专刊AI and Enzyme Engineering在mLife网站正式上线，共计6篇文章，包括2篇Review，1篇Original Research，2篇Method，1篇Correspondence，欢迎阅读！
Reviews
Protein engineering in the deep learning era
Bingxin Zhou, Yang Tan, Yutong Hu, Lirong Zheng, Bozitao Zhong, Liang Hong
https://doi.org/10.1002/mlf2.12157
上海交通大学洪亮教授团队梳理了蛋白质工程领域中常见的深度学习算法的研究方向。文章全面介绍了基于序列和结构的蛋白质表征方法，以及适用于各种预测和生成任务的通用建模流程。此外还总结了常见任务和相关公开数据集，用于训练和评估模型表现，如突变体排序和蛋白质功能和性质预测等。
Discovery, design, and engineering of enzymes based on molecular retrobiosynthesis
Ancheng Chen, Xiangda Peng, Tao Shen, Liangzhen Zheng, Dong Wu, and Sheng Wang
https://doi.org/10.1002/mlf2.70009
上海智峪生物科技有限公司王晟博士团队综述了人工智能（AI）在生物合成领域的前沿应用与创新突破。AI通过智能设计、构建和优化酶反应体系，推动生物合成技术跨越式发展：在代谢路径规划中，AI驱动的分子逆合成算法突破了传统路线设计瓶颈；基于序列/结构比对的酶发现技术结合AI精准预测，显著提升酶挖掘效率；针对非天然反应，AI赋能的功能注释与分子模拟技术开创了人工酶创制新范式。数据驱动的智能模型重塑酶工程策略，通过热稳定性增强、活性位点优化等策略扩展生物催化剂应用边界。最后，文章还总结了当前面临的潜在挑战并展望未来研究方向，尽管面临化学数据稀疏性等挑战，生物催化技术向药物合成、绿色制造等领域的渗透已成必然趋势，标志着生物制造向智能化时代的全面转型。
Original Research
Optimizing enzyme thermostability by combining multiple mutations using protein language model
Jiahao Bian, Pan Tan, Ting Nie, Liang Hong, Guang-Yu Yang
https://doi.org/10.1002/mlf2.12151
上海交通大学杨广宇研究员团队和洪亮教授团队共同提出一种AI辅助的酶热稳定性工程策略，高效组合多个有益单点突变。在肌酸酶进化中，两轮设计获50个卓越热稳定突变体，成功率100%，微调后的模型可以从数据集中有效捕捉组合突变体中的上位效应。
Methods
NAC4ED: A high-throughput computational platform for the rational design of enzyme activity and substrate selectivity
Chuanxi Zhang, Yinghui Feng, Yiting Zhu, Lei Gong, Hao Wei, Lujia Zhang
https://doi.org/10.1002/mlf2.12154
华东师范大学张鲁嘉教授团队开发的在线平台NAC4ED，能绕过量子力学（QM）和 QM/MM 等复杂方法，利用近攻击构象关键参数表征催化机制，直接计算设计酶的突变活性和选择性，在确保精准计算的同时降低了时间成本。该平台含虚拟突变、对接、动力学模拟和评估分析四个模块，通过简化计算流程实现酶的高通量筛选，同时为人工智能设计提供了有效的关键计算参数。
HPClas: A data-driven approach for identifying halophilic proteins based on catBoost
Shantong Hu, Xiaoyu Wang, Zhikang Wang, Menghan Jiang, Shihui Wang, Wenya Wang, Jiangning Song, Guimin Zhang
https://doi.org/10.1002/mlf2.12125
北京化工大学张桂敏教授团队和澳大利亚蒙纳士大学宋江宁教授团队收集嗜盐菌分泌蛋白，通过catBoost在嗜盐蛋白数据集上进行了训练，开发了能准确识别嗜盐蛋白的预测模型，独立测试集准确率84.5%。数据集和源码已上传至https://github.com/Showmake2/HPClas。
Correspondence
GRAPE-WEB: An automated computational redesign web server for improving protein thermostability
Jinyuan Sun, Wenyu Shi, Zhihui Xing, Guomei Fan, Qinglan Sun, Linhuan Wu, Juncai Ma, Yinglu Cui, Bian Wu
https://doi.org/10.1002/mlf2.12152
中国科学院微生物研究所吴边研究员团队研发了用于蛋白质工程的GRAPE策略，以提升酶在各类应用中的稳定性。该策略将先进的计算方法与独特的聚类及贪心累积方法相结合，从而能用最少的实验工作量高效探究基因上位效应。为了让非专业人士也能使用这一策略，该团队推出了一个自动化且用户友好的网络服务器 GRAPE-WEB，用户无需大量生物信息学知识，就能实现对酶稳定突变的设计、检测与组合。GRAPE-WEB 性能强大且易于使用，为蛋白质热稳定性设计提供了全面且灵活的方法。
mLife
期刊简介
mLife是由中国科学院主管、中国科学院微生物研究所主办（中国微生物学会为合作单位）的我国微生物学领域第一本综合性高起点英文期刊。mLife瞄准全球微生物学领域高水平科研成果和前沿进展，报道内容覆盖微生物学各个学科。mLife的办刊目标是打造微生物学领域综合性国际旗舰期刊。目前，mLife已被国内外重要数据库ESCI、PubMed Central、Scopus、CSCD、DOAJ、CAS等收录。2024年，mLife首获JCR影响因子4.6，位于微生物学科Q1区。2025年，mLife入选中国科学院期刊分区表生物学二区。
期刊网站：
https://wileyonlinelibrary.com/journal/mLife
https://www.sciopen.com/journal/2097-1699
投稿网站：https://mc.manuscriptcentral.com/mlife
扫码关注mLife
mLife@im.ac.cn
010 - 64807055
转载本文请联系原作者获取授权，同时请注明本文来自SciOpen TUP科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3563286-1480093.html?mobile=1
收藏
