AI 將遺傳密碼縮減至 19 種胺基酸

Post LinkedIn

⚛️閱讀原文： Ars Technica

#synthetic-biology #genetic-engineering #protein-designribosome

💡AI 重編生命遺傳字母—合成生物 AI 從業人員關鍵進展。（28字元）

⚡ 30-Second TL;DR

有什麼變化

AI 工具重新設計核糖體組件

為什麼重要

實現超越自然限制的新穎蛋白質，促進醫藥與材料合成生物學。AI 角色突顯生物 AI 整合成長。

下一步行動

使用 AlphaFold3 等 AI 蛋白質設計工具測試核糖體目標進行合成生物實驗。

誰應關注：Researchers & Academics

關鍵要點

•AI 工具重新設計核糖體組件
•遺傳密碼從 20 種減至 19 種胺基酸
•專注排除一種特定胺基酸的整合
•推進自訂蛋白質合成的潛力

🧠 深度解析

AI-generated analysis for this event.

🔑 增強重點摘要

•該研究利用生成式 AI 模型（如 ProteinMPNN 或類似的蛋白質設計工具）預測並優化了核糖體 RNA（rRNA）的突變，以改變核糖體解碼中心（Decoding Center）的特異性。
•此項技術突破了傳統合成生物學中對「遺傳密碼擴展」的依賴，轉而採取「遺傳密碼簡化」策略，旨在減少細胞代謝負擔並提高特定生物材料的生產純度。
•研究人員成功在活體細胞中驗證了這種簡化後的翻譯系統，證明了在排除特定胺基酸後，細胞仍能維持基本的生存與蛋白質合成功能，為設計「正交生物系統」提供了新途徑。

🛠️ 技術深入

• 核心機制：透過 AI 重新設計核糖體的大亞基（Large Subunit），特別是針對負責識別胺基醯-tRNA（aminoacyl-tRNA）的 A 位點（A-site）進行結構調整。 • 演算法應用：利用深度學習模型模擬核糖體與 tRNA 的結合能，篩選出能有效排斥特定胺基酸對應 tRNA 的突變組合。 • 實驗方法：採用定向演化（Directed Evolution）結合 AI 輔助設計，在實驗室環境下對核糖體進行多輪迭代優化，以確保翻譯效率不因胺基酸減少而大幅下降。