无实验数据指导蛋白质定向进化通常依赖于计算机模拟和理论模型。这些模型可以通过分析已有的蛋白质序列数据,利用遗传算法、分子动力学模拟等技术,来预测蛋白质的潜在特性,进而指导实验设计。例如,可以通过改变蛋白质的一级结构,然后计算其功能特性,以此来优化蛋白质的设计。
上海交大洪亮课题组的ProtLGN模型可能是一种基于计算机视觉和机器学习的模型,它能够通过分析大量的蛋白质结构数据来学习蛋白质的结构与功能之间的关系。这种模型可能具有微环境感知的能力,即能够识别和适应蛋白质周围的微环境变化。例如,它可能通过分析蛋白质与周围分子的相互作用来预测蛋白质的稳定性和活性。