2024年1月15日，一个由简单的人工智能（AI）模型指导的机器人设备组成的 "自动驾驶 "实验室，在没有人类任何投入的情况下成功地再造了酶--除了偶尔的硬件修复。
"加利福尼亚州伯克利劳伦斯伯克利国家实验室的物理学家兼合成生物学家赫克托-加西亚-马丁（Héctor García Martín）说："这是一项尖端工作。"他们正在将蛋白质工程的整个过程完全自动化。
自动驾驶实验室将机器人设备与能够指导实验和解释结果的机器学习模型结合起来，从而设计出新的程序。研究人员表示，希望自动驾驶实验室能为科学进程提供动力，并提出人类自己可能想不到的解决方案。
单调的工作
威斯康星大学麦迪逊分校的蛋白质工程师菲利普-罗梅罗（Philip Romero）说，蛋白质工程是自动驾驶实验室的理想任务。传统方法往往依赖于开发一种特定性质的检测方法，比如酶活性，然后筛选大量的蛋白质变异版本。"他说："蛋白质工程领域的很多工作都很单调。
罗梅罗团队创建的系统由一个相对简单的机器学习模型驱动，该模型将蛋白质的序列与功能联系起来，并提出序列变化建议，以改善功能。它将测试用的蛋白质序列传送到实验室设备上，由设备制造蛋白质，测量其活性，然后将结果反馈给模型，指导新一轮的实验。"罗梅罗说："我们设定并遗忘它。
在这项研究中，研究人员给他们的自动驾驶实验室下达的任务是，让名为糖苷水解酶的代谢酶更耐高温。经过20轮实验后，4次活动中的每一次都产生了新版本的酶，它们可以在比自主实验室开始使用的蛋白质至少高12 ˚C的温度下运行。
研究人员首先尝试运行自己的机器人设备，但机器老是坏。于是，他们求助于加利福尼亚州的一个云实验室--一个包含机器人设备的现有设施，可以通过计算机代码进行远程指挥--并将他们的人工智能模型设置为向那里发送指令。据研究人员估计，整个实验耗时约 6 个月，其中包括因运输延误而暂停的 2.5 个月，每运行 20 轮耗资约 5,200 美元。而人类可能需要花费长达一年的时间来完成同样的工作。
加西亚-马丁（García Martín）说，要提高自动驾驶生物实验室的复杂程度，可能需要新一代硬件，因为现有的自动化实验室设备往往是在考虑到人类监督员的情况下制造的。一个更根本的挑战是，如何创建能够生成机器和人类都能解读的知识的自动驾驶实验室。
伊利诺伊大学厄巴纳-香槟分校的合成生物学家赵惠民说，提高蛋白质的热稳定性相对简单。目前还不清楚自动驾驶实验室能以何种方式改变酶。
罗梅罗说，他的团队正在努力将自动驾驶实验室应用于其他蛋白质工程挑战。该研究小组还希望采用更先进的深度学习工具，这些工具推动了蛋白质设计的进步。
不过，研究人员并不是要裁减科研人员。"这项研究的合著者、威斯康星大学麦迪逊分校蛋白质工程师雅各布-拉普（Jacob Rapp）在介绍这项工作的在线研讨会上说："我们不是要让人类变得多余。"他说："我们取代的是枯燥的部分，这样你就可以专注于做工程工作中有趣的部分。
