实力认证！无细胞合成试剂盒助力腾讯AI Lab在Nature Communications发文

AI蛋白设计领域正在面临一个现实问题：模型设计的序列，在AI系统中评分很高，但是在实验室中可能表达困难、活性较低、稳定性差等。计算设计与湿实验的功能验证存在脱节。近日，腾讯AI Lab的何冰、姚建华团队在Nature Communications发表了题为“Functional protein design and enhancement with ontology reinforcement iteration”的文章。

研究人员构建了本体论强化迭代（ORI, Ontology Reinforcement Iteration）的蛋白设计框架。它用结构化本体提示模型生成蛋白，生成的序列可控、可解释。并且通过湿实验反馈强化学习机制（RLWF），将实验室获得的蛋白表达量、酶活等数据量化为奖励信号，自动迭代更新生成模型，构建“生成-验证-更新”的真正闭环系统。

ORI工作流（源自文献）

义翘神州（SinoBiological）为全球生命科学基础研究与创新药物研发提供高质量的产品与专业化服务，为高水平的AI模型设计团队提供科研试剂和技术支持。本研究中，表达靶蛋白的基因合成、无细胞蛋白表达、酶活性检测等湿实验验证过程多次引用义翘神州的产品。

研究团队通过溶菌酶、几丁质酶和双功能酶进行了验证。

ORI初始模型设计的蛋白，经过湿实验验证，其表达量和活性与天然蛋白相近。经过RLWF优化后的溶菌酶表达量从0.109 mg/mL提高到0.207 mg/mL，酶活性更是有两个数量级（100倍）的提升。几丁质酶在工业应用中接近60℃时会失活。本研究获得3个在70℃下仍保持高活性的酶，其中表现最优的TX-SC2在85℃长时间孵育后仍保持完全活性，在95℃下仍有部分活性。

溶菌酶和几丁质酶拥有相似的催化机制和结构基序，但两者之间的交叉反应性很小。研究团队通过ORI策略，在训练初始阶段同时纳入单功能酶和多功能酶数据，然后用两种酶的实验活性数据驱动RLWF优化，使模型学会关联序列特征与酶功能指标。在生成的10000条候选双功能蛋白序列中，选择100条进行验证，65条在无细胞表达系统中成功表达。其中TX-ME具有溶菌酶和几丁质酶法共有结构框架，在活性上均优于单功能酶和天然双功能酶（Hevamine A）。

蛋白质表达：ORI闭环的关键

研究团队认为成功的蛋白质表达是将计算设计转化为可实验测试候选物的关键步骤。在本文中，研究团队分别在HEK293、E.coli和无细胞表达系统中进行湿实验验证。结果显示，3种系统表达蛋白量超过0.1 mg/mL的比例存在差异，其中HEK293有16.91%，E.coli和无细胞表达系统分别为40%和50%。并且在细胞系统中高表达的蛋白质在无细胞系统中始终能够高表达。无细胞系统还具有不依赖宿主和高度可重复的特性，因此，非常适合在ORI的闭环实验工作中进行标准化评估。研究人员在后续的实验中选择无细胞表达系统作为默认的表达平台。

图片源自文献

本文选择义翘神州的无细胞蛋白合成试剂盒构建表达体系，将pJL1表达载体加入100μL的体系中，30℃恒温摇床以80rpm孵育3小时，即可进行离心，收集上清液进行蛋白纯化。

义翘神州XPressMAX™无细胞蛋白合成试剂盒（货号：CFKIT02）属于即开即用型，仅需在反应体系中加入编码靶蛋白的DNA或mRNA模板。试剂盒具有以下特色：