基于Gromov-Wasserstein自编码器与多序列比对技术的酶序列优化新方法

来自国际前沿团队的研究人员通过整合Gromov-Wasserstein自编码器(GWAE)与多序列比对(MSA)技术，开创性地开发出新型酶序列优化平台。该研究突破传统蛋白质工程局限，实现跨物种酶功能位点的智能映射与精准设计，为工业生物催化剂的理性改造提供全新计算框架，相关成果发表于生物信息学顶级期刊。

　　

这项突破性研究将几何深度学习与进化生物学巧妙融合，开发出基于Gromov-Wasserstein距离的自编码器(GWAE)框架。就像给蛋白质工程师配备智能导航仪，该技术能自动捕捉多序列比对(MSA)中隐含的进化约束，在保持三维结构关键特征的同时，精准优化酶的功能序列。研究人员创新性地将蛋白质的折叠空间(folding space)与序列空间(sequence space)进行非线性映射，解决了传统方法在远源同源体设计中的拓扑失真问题。特别值得注意的是，模型通过注意力机制(attention mechanism)自动识别活性位点残基，其设计出的突变体不仅催化效率提升3.7倍，还展现出优异的热稳定性(T_m值提高8℃)。这项技术为定制化生物催化剂开发开辟了新途径，在绿色化学合成和药物制造领域具有重大应用前景。