Twist Bioscience 助力您開啟蛋白質研究的新篇章
Twist Bioscience 助力您
開啟蛋白質研究的新篇章
2024諾貝爾化學獎的揭曉再次將全球科學研究界的目光聚焦於蛋白質研究。一方面，科學家利用計算軟體成功建構出前所未有的全新蛋白質結構；另一方面，「AlphaFold2 」這個基於胺基酸序列的人工智慧(AI) 模型橫空出世，透過精準預測蛋白質複雜結構，開啟了蛋白質研究的新篇章。
為蛋白質工程訓練基於人工智慧的大模型，需要對輸入序列進行精確控制，並且能夠輕鬆獲得足夠的序列變體，以便快速訓練大模型進行迭代。在諾貝爾獎得主David Baker實驗室最近發表的一篇預印本研究論文中，科學家們採用了一種創新的方法。他們利用了Twist Bioscience公司提供的多重基因片段文庫(MGF)，這項工具完美地滿足了這類研究需求。透過運用多重基因片段文庫中所包含的多樣化序列進行訓練，研究團隊開發的模型能夠產生新型的VHH(單域抗體)，這些抗體能夠與特定的標靶表位實現高度緊密的結合。
為何在開發人工智慧序列設計模型時，
選擇Twist Bioscience的多重基因片段文庫（MGF）作為關鍵工具？
首先，Twist的多重基因片段文庫能夠為研究人員提供建立高品質、高精確度訓練資料集的能力。此模型的訓練是基於Twist多重基因片段文庫中編碼的9000個VHH（單域抗體）進行，其成本比採用傳統基因合成方法製作的等效訓練資料集低一個數量級。
其次，Twist多重基因片段文庫為研究提供了豐富的「序列空間」（多重基因片段文庫的長度可達500 bp）且序列數量無上限。使得模型能夠學習編碼如全長VHH這類複雜蛋白質的結構，這對於提升訓練資料的品質至關重要。透過這種超長的序列空間，研究者能夠對多重基因片段文庫中的每個序列進行精準的調控，確保模型訓練過程中僅涉及已知且精確的序列。
此外，這些多重基因片段文庫的建構得益於Twist Bioscience先進的寡核苷酸合成技術，能夠按照客戶要求合成最大長度的寡核苷酸，從而避免了傳統方法中必需的密碼子優化步驟。這項優勢大大滿足了科學家在蛋白質工程、酵素工程和抗體工程等多個研究領域的個人化需求，為更廣泛、更有效率的研究工作提供了強有力的支持。
為了幫助更多科學家投身這一前沿領域，Twist多重基因片段文庫在保持卓越性能的同時，實現了價格下調。這項舉措使得更多科學研究機構和實驗室能夠輕鬆擁有這項利器，共同推動蛋白質研究的深入發展。相信這將激發更多創新思維的湧現，並推動蛋白質研究領域取得更多令人矚目的成就。
相關文章：
1. 【Twist Bioscience】多重基因片段文庫(Multiplexed Gene Fragments)：改善高通量篩選的關鍵
2. Twist 多重基因片段(Multiplexed Gene Fragments)文庫之優勢&應用
