directed evolution

分析机器学习在定向进化中的作用

对过去五年机器学习在定向进化中影响的回顾性分析表明，机器学习研究人员识别最佳蛋白质的目标与更广泛的定向进化目标（在资源限制内找到足够多的蛋白质）之间存在显著脱节。这种差距，特别是当前机器学习辅助方法中对DNA合成成本的忽视，限制了其实际应用。该论文建议重新构建机器学习定向进化（MLDE）的目标，以更好地符合现实世界的限制，并指出最近的例外情况表明了将机器学习与蛋白质工程目标相结合的潜力。