ACS Catal｜AI驱动的酶工程：探索未知序列空间与协同效应

背景：手性胺是药物和农用化学品的重要结构单元，胺转氨酶(ATAs)作为生物催化剂能高效合成手性胺，但天然酶存在底物谱有限和催化知识难以迁移的问题。研究目的：开发AI驱动的蛋白质工程策略，通过3DM Engineering平台探索未知序列空间，发现协同突变组合以提升酶催化性能。结论：AI模型成功预测训练数据外的有益突变，实现催化效率21倍提升，获得的热稳定突变体在实际不对称合成中表现优异，反应时间缩短近一半且产率和选择性均达顶尖水平。