Choosing protein design models with limited experimental measurements
本研究评估了用于选择蛋白质变体以验证计算模型预测的十种测量策略，发现精确序列信息价值（SeqVOI）实现了最低的平均实验成本，而学习型策略切换未能显著优于更简单的贪婪策略。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
蛋白质是维持生命运转的分子机器，在每个活细胞内扮演着酶、结构支撑和信号传递者的角色。科学家现在可以利用计算机来设计蛋白质的新版本，预测对其结构进行哪些微小的改变可能会使其功能更佳。然而，单个计算机程序可能会建议数百万种潜在的设计，这远远超过了实验室能够实际构建和测试的数量。真正的挑战不仅在于寻找一个好的设计，还在于知道哪一个计算机程序足够可靠，足以指导大规模实验。如果实验室投入资源去测试一份由有缺陷的模型所推荐的变体列表，他们可能会在那些失败的设计上浪费数月的工作时间。在投入这些时间之前，研究人员需要一种方法，快速检查一份提议的名单中是否包含足够多的成功候选者，以至于值得去追求。
这项研究解决了如何最明智地利用有限的实验测试次数的问题。想象一位研究人员手里拿着一份由计算机模型推荐的蛋白质变体列表。他们需要知道该列表中是否至少有百分之二十在实验室中能实际奏效。他们无法测试列表中的每一项，因此必须先挑选一小部分样本进行测量。问题在于：应该选择哪些特定的变体来进行测量，才能最快地得到答案？研究人员比较了不同的选择策略。有些策略挑选的是多个计算机模型都一致认同的变体，而另一些策略则使用复杂的计算来猜测哪一次单项测量能提供最多的信息。他们通过回顾已知答案的历史数据来测试这些策略，模拟了一个接一个挑选并测试变体的过程。
研究人员发现，得出结论最有效率的方法是一种被称为“精确顺序信息价值”（exact sequential value of information）的方法。在他们的模拟中，这种方法平均需要 776 次测量即可确认一份设计名单是否足够优秀。这明显少于一种更简单、更直观的策略所需的 870 次测量，后者仅仅是挑选不同计算机模型中最常被建议的变体。这种更聪明的方法通过精确计算每一次潜在测量能消除多少不确定性，从而使其能够更早停止测试。虽然一个试图在不同策略之间切换的更复杂的学习型系统表现尚可，但它节省的时间不足以证明其增加的复杂性是合理的。事实上，对信息价值的直接、简单的计算始终优于尝试学习何时改变策略的自适应切换，这证明了精确的直接计算比复杂的尝试学习何时变换战术更好。
研究还揭示了实验的目标非常重要。如果目标仅仅是在一组模型中找到表现最好的那一个，那么最佳策略就会发生变化。然而，如果目标是验证某一份特定的设计名单是否达到了最低成功标准，那么基于精确信息的这种方法仍然是最具成本效益的。研究人员指出，尽管他们的结果是基于现有数据的模拟，但其逻辑在各种蛋白质类型和计算机模型中均成立。他们发现，现有的计算机排名包含了足够的有用信息来指导这些决策，只要测量过程经过精心选择。这项工作表明，实验室不需要进行随机抽样或依赖直觉；相反，他们可以使用一种计算方法来验证他们的设计，通过更少的实验来做出可靠的决策，从而决定哪些蛋白质设计值得继续推进，进而节省时间和资源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。