【清华团队合作新进展：基于因果推断提出组合突变优化酶活性新策略】
在代谢工程中，通过突变优化酶序列以提升目标产物产量是一项核心挑战。传统方法多聚焦于提升酶的热稳定性，或者依赖高通量筛选获取高活性突变体。然而，稳定性提升并不必然带来催化效率的提高，而组合突变带来的“叠加效应”往往难以预测，尤其是在突变空间巨大、实验数据稀缺的情况下。如何高效识别具有协同效应的突变组合，成为酶工程领域亟待解决的问题。

针对酶突变组合预测中实验成本高、催化效率测试繁琐等现实瓶颈，清华大学药学院田博学研究员团队和天津大学乔建军教授团队基于因果推断理论，重新审视了影响产物产量的各变量之间的关系。通过分析多个已发表工程数据集和本实验数据，团队发现并实验证实：“单位产量”（即产量除以表达量）与体外催化效率（kcat/Km）之间存在强正相关性。这意味着，研究人员无需再测定耗时耗力的kcat/Km，只需检测产量和表达量，即可可靠评估酶的体内活性。这一策略尤其适用于底物昂贵、体外实验成本高或酶纯化困难的体系，可显著节约经费与实验周期，让更多实验室以更低成本开展高效酶工程研究。研究成果以《基于因果推断和小样本学习的组合突变优化酶活方法》（Enhancing Enzyme Activity with Mutation Combinations Guided by Few-shot Learning and Causal Inference)为题，于6月22日发表于《德国应用化学》（Angew. Chem. Int. Ed.）。论文链接：http://t.cn/AXSTm56V（来源：药学院）#科研速递# #清华大学[超话]#