Machine-learning-guided directed evolution for protein engineering | Nature Methods
Machine-learning-guided directed evolution for protein engineering
机器学习引导的定向进化蛋白质工程
图1 | 带和不带机器学习的定向进化。
a)定向进化利用迭代循环的多样性生成和筛选来找到改进的变体。未改进的变体的信息被丢弃。【无目标效果突变】
b)定向进化是对函数空间进行的一系列局部搜索。【野生型单一突变起点】
c)机器学习(ML)方法利用每一轮定向进化收集的数据,选择下一轮要测试的突变。【收集并训练“突变-功能 ”模型以指导突变组合】
d)机器学习引导的定向进化通常会理性地选择初始点(绿色圆点),以最大化从函数空间中所学到的信息,从而使未来的迭代能够快速收敛到改进的序列(紫色星号)。【多个可能的突变起点】文章来源:https://www.toymoban.com/news/detail-504918.html
本文最重要的我认为是“多目标突变”、收集并训练“突变-功能 ”模型,这两个思想文章来源地址https://www.toymoban.com/news/detail-504918.html
到了这里,关于【NM 2019】综述:基于机器学习引导的定向进化蛋白质工程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!