人类输给了AI，这一次，事关蛋白质改造
人工智能（AI）再次超越了人类，这一次，是在改造蛋白质方面——
人类科学家可能耗费 6-12 个月才能完成的任务，AI 只需要几周时间，且无需人类干预、反馈或主观判断。
这是一个能对蛋白质进行工程改造的、由 AI 驱动的全自动机器人——SAMPLE，由来自威斯康星大学麦迪逊分校（University of Wisconsin–Madison）的研究团队提出，是对无需人类干预的蛋白质设计和构建的一次概念验证。
相关研究论文以“Self-driving laboratories to autonomously navigate the protein fitness landscape”为题，已发表在 Nature 子刊 Nature Chemical Engineering 的创刊号上。
研究团队表示，SAMPLE 自动化并加速了科学发现过程，对蛋白质工程和合成生物学领域具有重要意义。
AI智能体，改造出了耐热性更好的酶
蛋白质是地球上一切生命的物质基础，参与细胞活动的每一个进程。
蛋白质设计，能够创造出具有特定功能和特性的新蛋白质，已广泛应用于生物技术、化学和医学等领域，比如：
- 开发新型药物和疗法，特别是在癌症、心血管疾病、遗传病治疗等领域，也有助于疫苗的研发和个性化医疗；
- 创建用于生物制造的酶和其他生物催化剂，将原料高效地转换为有用的产品，如生物燃料、药物或食品成分；
- 提高农作物的抗病性、抗旱性和营养价值，进而提高农业生产力和食品安全；
- 降解环境中的污染物，如重金属和有机污染物；
- 构建新型生物材料，如用于医学工程的生物兼容材料，或具有独特物理特性的高性能材料；
- 帮助科学家深入理解蛋白质的结构和功能关系，推动生物化学、分子生物学等领域的发展。
尽管蛋白质工程（Protein engineering）的应用潜力巨大，但创造一种具有改进或新功能的新型蛋白质，仍然是一个重复且费力的过程，人类科学家有时甚至需要耗费多年时间。
在生物系统的研究过程中，科学家通过假设生成、设计实验验证假设、在实验室进行实验并解读数据来加深对系统的理解，然后再反复迭代这一过程，从而逐步揭示生物机制并设计出性能和行为更优的新系统。
如今，AI 被用于自动化完成各行各业的工作，但由于生物性状和实验的复杂性，开发一个不休息、自动对蛋白质进行工程改造并能从产生的数据中学习的全自动系统，依然是一个难题。
据介绍，SAMPLE 由一个 AI 智能体驱动，可以学习蛋白质序列与功能之间的关系，设计新的蛋白质，并将这些蛋白质发送到一个完全自动化的机器人系统中，该系统实验性地测试所设计的蛋白质，并提供反馈，从而提高 AI 智能体对系统的理解。
图｜SAMPLE，一个完全自主的蛋白质工程系统。
为了测试该系统，研究人员使用 4 个 SAMPLE 智能体分别改造出了耐热性更好的糖苷水解酶。尽管搜索行为不同，每个 SAMPLE 智能体最终都能发现热稳定性更好的酶，比最初的起始序列至少稳定 12°C。
图｜4 个 SAMPLE 智能体自主发现热稳定性更好的酶。
一个通用的蛋白质工程平台
研究团队表示，SAMPLE 是一个通用的蛋白质工程平台，可广泛应用于生物工程和合成生物学领域。
尽管他们只展示了该系统在热稳定性工程中的表现，但同样的方法也可用于改造酶的活性、特异性，甚至创造自然界中未曾有过的化学反应。
与定向进化一样，该系统不需要事先了解蛋白质结构或机理，而是采用一种无偏见的方法，研究序列变化如何影响功能。
然而，研究团队也指出，为新的蛋白质功能建立 SAMPLE 的最大障碍是所需的生化检测。这项工作中使用的机器人系统只能使用微孔板阅读器，因此需要基于比色或荧光的检测方法。
原则上，更先进的分析仪器，如液相色谱-质谱联用仪或核磁共振光谱仪，可以集成到自动化系统中，从而扩大可设计的蛋白质功能类型。
另外，获取资源延迟、机器人故障和系统宕机，也可能会影响该系统研发蛋白质的总耗时。
目前，研究团队在 Strateos 云实验室上实施了完整的实验流程，创造了一个经济高效、易于使用的系统，可供其他合成生物学研究人员采纳。
未来，诸如 SAMPLE 这样的自主实验室将彻底改变生物分子工程和合成生物学领域，使效率低下、耗时费力的蛋白质工程活动自动化，使得科研人员更加专注于重要的下游应用。
随着深度学习、机器人自动化和高通量仪器的不断发展，用于科学发现的智能自动化系统将变得越来越强大。