机器学习定向进化，如何让实验数据决定下一批

序列与功能数据共同塑造下一批候选选择

传统定向进化依靠“产生变体—筛选—保留优选者”推进；当可探索序列远多于可检测样本时，关键问题便从“还能生成多少变体”转向“下一批最值得测什么”。机器学习定向进化把已获得的序列和功能读出变成训练数据，让模型预测尚未测试的候选，再由实验给出新答案。它优化的是实验决策顺序，而不是凭计算直接宣布一个蛋白已经改造成功。

机器学习定向进化究竟学习什么

模型学习的是在当前任务定义下，蛋白序列如何映射到一个可测量目标。这个目标可以是酶活性、结合、稳定性或表达，但必须先说明具体读出、单位、条件和数据处理方式。同一条序列在不同温度、底物或表达体系下可能得到不同标签；如果标签定义混杂，模型就会把实验条件差异误当成序列规律。

序列表示决定模型看到了什么。最简单的表示关注位点与氨基酸身份，更丰富的表示可以引入保守性、结构环境或预训练蛋白表示。模型类型并不是第一优先级：当测量噪声、批次差异或缺失值没有被妥善处理时，更复杂的算法只会更精细地拟合不稳定信号。

因此，第一批实验不仅用于找高分变体，也用于建立可学习的数据基础。机器学习定向进化需要保留失败、一般和优秀变体，而不应只记录“冠军”。窄而偏的数据容易让模型把局部相关性误认为普遍规律，也难以识别哪些区域仍然未知。

好数据比大模型更早决定项目上限

数据进入训练前，应确认序列身份、模板背景、实验条件和功能标签能够一一对应。重复测量可帮助了解读出波动，固定参考则有助于判断不同批次是否仍在同一尺度上。若筛选体系在轮次之间发生变化，旧数据并非自动失效，但应被标记为不同上下文，避免直接混合。

模型评估也要模拟真实决策。随机拆分数据可能让相近序列同时出现在训练集和验证集中，从而高估对新区域的泛化能力。更谨慎的做法是根据项目问题检查模型能否处理更远的序列、未见组合或后续轮次数据。评价指标应与实验目标一致，不能只看一个统计分数。

预测结果还要标明适用域。对接近训练数据的候选，模型可能更有把握；对远离已知区域的候选，高预测值往往伴随更大不确定性。任何预测活性、亲和力或稳定性都仍属于待验证线索，不能替代实测结果。

候选选择要在高分与高信息量之间取舍

如果每轮只选择预测值最高的序列，模型会反复利用已经熟悉的局部区域，短期看起来稳妥，却可能错过尚未探索的改进方向。主动学习提供另一种思路：一部分候选用于“利用”，验证模型认为有希望的区域；另一部分用于“探索”，优先测试不确定但可能带来新信息的区域。

 高预测值与高不确定性对应不同实验价值

探索比例没有脱离项目的统一答案。实验批量很小、失败成本很高时，可以更保守；当目标是建立更广的序列—功能认知时，则可提高多样性。候选之间也不应只比较单一分数，还要考虑序列距离、结构风险、合成可行性和功能位点约束。

上位性进一步增加了难度：一个单点突变有利，不代表它与另一个有利突变组合后仍然更好。组合背景可能产生非加和结果，因此不能简单累加单点分数。模型可以学习这些背景关系，但前提是训练数据确实包含足以识别组合效应的信息；最终组合仍需实验确认。

机器学习定向进化何时适合进入下一轮

一次训练结束不代表项目已经完成。模型给出候选后，实验需要用相同或可解释的评价体系获取新标签，再把新数据返回训练与选择过程。若预测与实验持续偏离，应先检查数据定义、适用域和测量条件，而不是只更换算法。

 实验反馈不断校正模型对序列空间的判断

每轮推进前至少要回答三个问题：新数据是否扩大了可解释区域；候选是否在性能与信息价值之间保持平衡；当前模型是否足以支持下一批决策。如果答案是否定的，补测代表性样本、缩小设计空间或重新定义目标，往往比盲目扩大候选池更有效。

停止条件也应围绕任务，而不是围绕模型。达到预定性能阈值、继续采样的信息增益有限，或实验资源不再支持可靠验证时，都可以进入复盘。机器学习提供排序与选择依据，但不会自动决定研发目标何时已经满足。

MatwingsVenus®（晓鹜®）怎样连接模型与湿实验

MatwingsVenus®（晓鹜®）可先通过检索汇总已有变异、功能与结构证据，再用 VenusX 建立活性位点、结合位点和保守位点约束。对单点候选，VenusREM 可评估活性、结合、稳定性或表达的潜在影响；pro 模式需要 PDB 结构。进入多点背景后，VenusPrime 可用于组合建模。上述输出用于优先级和风险判断，并标注 Predicted 与证据来源。

已有实验数据并准备开展多轮优化时，ALDE 定向进化可让实验结果参与下一轮选点。该路径要求提供野生型、不超过 7 个位点，以及必需的 CSV、TSV 或 Excel 实验数据文件，并设置 HITL 门控。没有合格实验数据时，它不能被描述成从零自动寻找最优序列的按钮。

平台还可按项目范围衔接基因合成、蛋白表达验证和蛋白纯化等实验环节，具体批量与服务内容需另行确认。MatwingsVenus®（晓鹜®）的价值，在于把检索依据、位点约束、模型候选、人工决策和实验反馈放进可追踪任务链，而不是把预测分数包装成成功率。

机器学习定向进化真正改变的是实验资源的配置方式：每个已测变体既是结果，也是下一轮的训练信息。只有当标签可信、验证诚实、适用域清楚，并让探索与利用共同参与候选选择时，模型才会成为实验的放大器。最终答案仍来自实验，但下一次实验可以比上一次更有方向。