Nature Chemical Engineering· Thomas Dursch·AI 评分53
研究亮点:多智能体框架 MutexaGPT 自动衔接酶设计的直觉指令与高通量模拟
Agents intuit enzyme design

AI 导读
Nature Chemical Engineering 的研究亮点介绍了发表于 Nature Computational Science 的 MutexaGPT,这一开放获取的多智能体框架由 QuestionAnalyzer、WorkPlanningBoard 和 ResultExplainer 三个智能体依次处理用户输入,并通过 EnzyHTP 调用高通量分子模拟。
- 背景
- 传统计算方法难以把“活性位点附近柔性再大一些”这类模糊的设计偏好转成具体的残基突变。将大语言模型与基于物理的工具通过工具调用结合的智能体框架,被认为有可能把直觉嵌入计算流程;酶工程中常需在相互竞争的结构与动力学约束间权衡,对这类路径尤其适配。
- 做法
- 据这篇报道,Zhongyue Yang 等人提出 MutexaGPT,一个开放获取的多智能体框架,用来自动衔接基于直觉的指导与高通量分子模拟。系统由 QuestionAnalyzer、WorkPlanningBoard 和 ResultExplainer 三个智能体组成,按顺序处理用户输入,并通过 EnzyHTP 以工具调用方式访问高通量分子模拟。
- 结论
- 作者用两个案例展示能力:改造卤化物甲基转移酶的结合腔以容纳更大底物,实验命中率为 40%;对双结构域淀粉酶进行连接区改造以提升冷适应,所得变体在低温下的活性分别提高 1.7 倍和 3.7 倍。
- 意义
- 这组案例说明,把模糊设计意图交给多智能体拆解并接到高通量模拟上,可在酶工程中产出可实验验证的变体。目前证据来自两项案例研究,框架在更多酶与设计目标上的适用性仍待检验。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:Nature Chemical Engineering · nature.com