蛋白质是生命的核心执行者，也是现代生物医药研发的关键。改造蛋白质，使其活性更强、稳定性更高或具备全新功能，一直是生物技术领域的圣杯。然而，蛋白质的序列空间浩瀚如星海，传统方法寻找最优改造方案犹如大海捞针。2026年2月19日，加利福尼亚大学伯克利分校Patrick D. Hsu团队在Science 在线发表题为“Rapid directed evolution guided by protein language models and epistatic interactions”的研究论文，该研究开发了MULTI-evolve技术，它借助人工智能，将复杂的蛋白质“定向进化”过程简化到前所未有的程度，仅用“一轮”设计，就能创造出性能提升上百倍的“超级蛋白质”。

传统困境：在“组合爆炸”中艰难摸索

蛋白质由20种氨基酸以特定顺序连接而成。一个中等大小的蛋白质就有数百个氨基酸位置，可能的序列组合数量远超宇宙中的星辰，这是一个典型的“组合爆炸”问题。传统的“定向进化”方法，通过随机突变加层层筛选，过程缓慢且只能逐步叠加少数几个突变。新兴的机器学习方法虽然能探索更大空间，但其预测精度严重依赖于海量的实验数据来“喂养”，且最终设计出的复杂突变体（包含多个位点变化）合成困难、成本高昂。这些瓶颈严重制约了为特定需求“定制”高性能蛋白质的速度与规模。

MULTI-evolve 能够实现对高活性多突变体的快速定向进化（图源自Science ）

突破之道：AI驱动的一体化智能设计平台

MULTI-evolve 框架的核心创新在于，它将三大关键技术无缝整合为一个端到端的自动化工作流：

AI“先知”筛选潜力突变：利用先进的蛋白质语言模型，系统能够像理解人类语言一样理解蛋白质序列的“语法”和“语义”，从而从海量可能性中智能预测出哪些单点突变可能是有益的。

神经网络破解“协同”密码：多个突变组合时，其效果并非简单相加，可能产生“1+1>2”的协同增强，也可能相互抵消。研究团队通过训练神经网络模型，专门学习和预测这些突变间的协同效应，从而能精准设计出有效的多重突变组合。

高效合成“MULTI-assembly”技术：针对复杂突变体合成难的痛点，他们开发了高效的基因组装方法，能够以高达70%的成功率一次合成包含多达9个突变的基因序列，突破了合成的长度与复杂度限制。

惊人效能：从工具酶到治疗抗体的全面验证

在实战检验中，MULTI-evolve 展现了其强大且通用的能力：

对工具酶：使一种常用的工程化酶（APEX）的催化活性提升了超过100倍；使基因编辑系统CRISPR-Cas13d的活性提升了10倍。

对抗体药物：成功对一种治疗性抗体进行了“多目标优化”，使其在哺乳动物细胞中的表达量提升了6倍的同时，与靶点的结合亲和力还增强了3倍，一箭双雕地解决了生产效率和药效两个关键问题。

未来启示：开启蛋白质设计的“智能进化”新范式

这项研究的革命性在于，它将蛋白质工程从依赖大量试错的“手工筛选”时代，推向了基于AI模型的“理性智能设计”时代。MULTI-evolve 提供了一种通用、快速、高效的平台，能够针对任何感兴趣的蛋白质，在单轮设计中就实现过去需要多轮漫长进化才能达到的、甚至前所未有的性能飞跃。

这不仅将极大加速基础科研中分子工具的开发，更预示着生物医药研发将迎来变革。未来，设计更高活性、更稳定、更低免疫原性的抗体、酶类药物和疫苗，可能像通过优化算法改进程序一样高效。MULTI-evolve 为代表的“AI for Protein”技术，正在为整个生命科学和生物制造领域安装上全新的、动力强大的引擎。

参考消息：https://www.science.org/doi/10.1126/science.aea1820