Pev：跨蛋白家族的单次并行查询突变选择策略

作者提出Pev，一种从跨家族实验数据学习、在单次并行查询中决定下一步突变或停止的通用突变策略，无需针对目标家族拟合模型权重。在留出家族的十孔筛选实验中，Pev找到的有益突变数量为随机选择的3.3倍、为零样本ESM-2的1.8倍，并在留出的GB1景观闭环搜索中优于用目标测量重新拟合的岭回归替代模型。