共计 891 个字符，预计需要花费 3 分钟才能阅读完成。
在生物制造领域，微生物蛋白质生产扮演着核心角色，为药物、工业酶、诊断抗体以及生物燃料和生物塑料等可持续材料的开发提供支持。其中，大肠杆菌因其成本效益和高效性而被广泛应用。随着对可扩展且环保的生产方法的需求日益增长，提高微生物蛋白质合成的效率成为重要的研究方向。
近期，名古屋大学的研究人员在《RSC 化学生物学》上发表了一项突破性研究，题为“筛选和基于机器学习的翻译增强肽预测，减少大肠杆菌中的核糖体停滞”。该研究将肽工程与人工智能（AI）相结合，旨在解决蛋白质表达中的一个常见瓶颈——核糖体停滞。
核糖体停滞发生在翻译机制过早停止时，可能由多种因素引起，包括启动子强度、mRNA 的核苷酸序列和 tRNA 的可用性。这种现象严重限制了大肠杆菌中的蛋白质产量，进而影响其在生产药物、工业酶和生物基材料中的效用。
为解决这一问题，名古屋大学的 Teruyo Ojima-Kato 博士（副教授）和 Hideo Nakano 博士（教授）与日本国立先进工业科学技术研究所和早稻田大学的研究人员合作，专注于能够减轻停滞的短肽序列，即短翻译增强肽（TEPs）。此前的研究表明，在蛋白质的 N 端附加一个由丝氨酸、赖氨酸、异亮氨酸和赖氨酸（SKIK）组成的四肽可以显著提高翻译效率。
为了进一步探索这一发现，研究团队构建了一个包含 20 种标准氨基酸所有 160,000 种可能组合的全面四肽库，并开发了一个 AI 预测模型，以评估这些组合的翻译增强效果。利用约 250 个实验测定的数据，他们训练了 AI 模型，最终在整个库中展示了高精度的翻译增强预测能力。
“我们提出了一种利用短肽序列高效生产蛋白质的新方法，”Kato 表示。这项技术有望在生物制造等领域提高蛋白质生产效率。
微生物蛋白质在生物制造中的重要性日益凸显，提供了石油基产品的替代品。通过将肽设计与 AI 驱动的预测相结合，研究团队的方法为优化大肠杆菌中的蛋白质表达提供了一种可扩展的解决方案，为更可靠和更具成本效益的微生物制造管道奠定了基础。
这一研究不仅为生物制造领域带来了新的技术突破，也为可持续制造提供了新的可能性。随着 AI 技术的不断进步，未来在蛋白质生产及其他领域的应用前景广阔。
