bioRxiv｜清华大学龚海鹏等：强化学习助力虚拟定向进化，加速蛋白质功能优化

背景：蛋白质工程通过定向进化优化蛋白质性质，但传统方法在探索庞大序列空间时面临效率低下和组合突变效果不可预测等挑战。研究目的：清华大学龚海鹏团队提出基于强化学习的虚拟定向进化框架RelaVDEP，通过整合预训练适应度预测器和图神经网络，实现高效探索突变组合空间。结论：实验验证表明，RelaVDEP在荧光蛋白强度、酶活性、细胞丰度和转录抑制能力等多种蛋白质功能优化上均实现显著提升，最佳变体性能较野生型提高1.4-4倍，且能保持蛋白质稳定性。