Pev：跨家族蛋白突变策略预印本

Yibo Wen、Han Liu 发布预印本，提出通用突变策略 Pev：它从跨蛋白家族的实验数据中学习，在单次并行查询中决定下一步突变或停止，无需针对目标家族拟合模型权重。作者称，一套策略即可覆盖肽、小型折叠结构域和抗体，兼顾结合与稳定性目标。 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；在留出的 GB1 景观闭环搜索中，它优于用目标测量重新拟合的岭回归替代模型。作者还称，事后校准可改善概率可靠性而不改变决策；在每次请求 1000 个候选时，共享编码的吞吐量超过逐突变编码的 800 倍。上述效果均为预印本作者报告，尚未经同行评审。

AI 根据报道生成 · 4 天前更新