ACS Synth Biol｜加州理工学院提出LevSeq：快速生成用于定向进化和机器学习的序列功能数据

加州理工学院的研究团队在ACS Synthetic Biology上发表了关于LevSeq的研究，这是一种结合双重条形码策略与纳米孔测序技术的新方法，旨在快速生成蛋白质编码基因的序列-功能数据。LevSeq方法能够无缝集成到现有的蛋白质工程工作流程中，支持数据驱动的蛋白质工程，优化定向进化策略，并为机器学习指导的蛋白质工程提供所需数据。此外，LevSeq还能用于突变文库的质量控制，降低筛选的时间与资源成本。研究表明，LevSeq在多种实验条件下均能准确检测突变体，展示了其在工程化前血红素蛋白中的应用潜力。LevSeq的广泛应用与数据共享将深化对蛋白质序列-功能全景的理解，推动数据驱动的定向进化研究。