Nature子刊：腾讯AI实验室实现蛋白设计与湿实验验证闭环

背景：AI蛋白设计领域存在计算设计与湿实验验证脱节的问题，模型设计的高评分序列在实验室中往往表达困难、活性低、稳定性差。研究目的：腾讯AI Lab团队提出了本体论强化迭代（ORI）的蛋白设计框架，旨在通过结构化本体提示模型生成可控、可解释的蛋白序列，并利用湿实验反馈强化学习（RLWF）构建“生成-验证-更新”的闭环系统，以弥合计算与实验之间的鸿沟。结论：通过溶菌酶、几丁质酶和双功能酶的验证，ORI初始模型设计的蛋白表达量和活性与天然蛋白相近。经RLWF优化后，溶菌酶表达量提升近一倍，酶活性提升100倍；几丁质酶获得多个在70℃以上仍保持活性的突变体。双功能酶设计成功生成65条可表达序列，其中TX-ME活性优于天然双功能酶。研究还发现无细胞表达系统具有高表达重复性和标准化评估优势，适合作为ORI闭环实验的平台。该研究成功实现了蛋白计算设计与湿实验验证的闭环整合。