中央研究院 生物化學研究所

強化蛋白質酵素的活性是生物科技研究的嚴峻挑戰。傳統的方法仰賴大規模的篩選平台和生化活性驗證。有鑑於此，生化所吳昆峯研究團隊率先套用先進的人工智慧深度學習工具ProteinMPNN加速蛋白質工程的作業流程，不再需要過往隨機篩選或逐一突變的方式即可快且準的完成蛋白質序列優化與結構預測。該團隊使用泛素為例子，通過ProteinMPNN計算並重新設計成一種針對 Rsp5 E3 連接酶的泛素變種。此變種是Rsp5專屬的有效變構活劑(allosteric activator)，這一實驗從設計到功能驗證僅在短短三個月內完成，且無需任何人工修正設計內容。這一里程碑預示著一個新時代的到來，人工智慧驅動蛋白質設計，不再需要繁瑣的篩選與驗證即可設計出有效的工具。這項工作發表在美國化學學會合成生物學專刊《ACS Synthetic Biology》（2023 年 8 月）上，強調了人工智慧工具將徹底改變生物和生物醫學研究與應用。本文主要作者為研究助理高錫彣 、盧韋霖。其餘作者包括生化所技師何孟儒博士、柯子平博士，吳昆峯實驗室成員以及研究員徐尚德博士。

論文名稱：Robust Design of Effective Allosteric Activators for Rsp5 E3 Ligase Using the Machine Learning Tool ProteinMPNN

論文連結：https://doi.org/10.1021/acssynbio.3c00042

作者群：Kao HW, Lu WL, Ho MR, Lin YF, Hsieh YJ, Ko TP, Hsu STD, Wu KP*