融合结构与进化约束的逆向折叠模型推动蛋白质定向进化

来自Cell期刊的最新研究提出AI-informed constraints for protein engineering (AiCE)方法，通过整合通用蛋白质逆向折叠模型与结构/进化约束，高效筛选高适应性突变，成功开发出enABE8e(5-bp窗口)、enSdd6-CBE(保真度提升1.3倍)等新型碱基编辑器，在8类蛋白质工程任务中实现11%-88%成功率，为精准医疗和农业育种提供全新工具。

　　

这项突破性研究将蛋白质逆向折叠(inverse folding)模型与人工智能深度融合，开创性地引入结构稳定性和进化保守性双重约束，打造出名为AiCE的蛋白质工程新范式。就像给分子剪刀装上了导航系统，该方法能精准预测增强蛋白质功能的关键突变位点，成功改造出系列高性能工具：

? 拓宽作用窗口的enABE8e碱基编辑器(5碱基窗口)
? 高保真版本enSdd6-CBE(保真度提升1.3倍)
? 线粒体活性暴增14.3倍的enDdd1-DdCBE

研究团队跨越了蛋白质尺寸的限制——从几十个氨基酸的小蛋白到上千残基的复杂酶系，在脱氨酶、核酸酶、逆转录酶等8类改造任务中均取得突破。特别值得注意的是，该方法摆脱了对人工经验规则的依赖，通过AI驱动的自动优化流程，将蛋白质定向进化成功率提升至传统方法的数倍。这些"分子手术刀"的升级换代，为遗传病治疗、作物改良等应用场景提供了更精确的基因编辑工具包。