蛋白质工程的简单而健壮的实验流程

密歇根大学的研究人员进行了一项新研究，提出了一种蛋白工程方法，利用简单、成本效益的实验和机器学习模型来预测哪些蛋白对特定目的有效。

这种方法具有广泛的潜力，可以在从工业工具到治疗药物等应用中组装蛋白和肽。例如，这种技术可以帮助加速开发稳定肽，用于治疗疾病，改善当前药物无法做到的效果，包括改善免疫疗法中抗体与其靶标结合的方式。

该方法首先将细胞分为两组，根据它们是否表达所需特性进行二进制分选，然后对细胞进行测序以获取感兴趣蛋白的基因序列。接下来，机器学习算法通过降低测序数据中的噪音来识别最佳蛋白。

该方法使用线性机器学习模型，这些模型比参数较多的模型更易于解释。研究还表示，由于能够学习蛋白实际运作的物理规律，可以使用线性方程来建模非线性蛋白行为，并以此开发更好的药物。

研究是在高级基因组核心、结构生物学中心、生物质谱设施和蛋白质组和肽合成核心进行的。