近期，我校生物工程学院夏小乐教授团队联合人工智能与计算机学院方伟教授团队在机器学习指导工业酶热稳定性和活性进化方面取得重要进展，研究结果“Tailoring industrial enzymes for thermostability and activity evolution by the machine learning-based iCASE strategy”正式发表于Nature Communications (IF=14.7) (https://www.nature.com/articles/s41467-025-55944-5)。
天然酶的低稳定性和低活性限制其在工业上的广泛应用。由于酶的稳定性与活性之间往往存在trade-off，获得具有高活性和稳定性的酶仍然是酶进化中的一个难题。该研究团队开发了一种多维构象动力学介导的等温压缩系数辅助动态压缩指数微扰工程（iCASE）策略，为不同结构复杂度的酶构建分层级模块化网络，指导酶的快速进化。此外，利用基于结构的监督机器学习建立动态响应预测模型，预测酶的功能和适应度，在不同数据集上表现出稳健的性能和可靠的上位性预测，选择不同结构和催化类型的酶验证iCASE 策略的通用性。这种基于机器学习的 iCASE 策略为今后研究酶的适应性进化提供了指导。
江南大学2020级博士生郑楠为第一作者，夏小乐教授为论文通讯作者，方伟教授团队为该成果设计优化了机器学习算法。上述研究得到了国家重点研发计划（2022YFC2105501、2021YFC2104001）等项目资助。近年来夏小乐教授在生物大分子元件改造及食品健康领域的应用取得了丰硕成果，相关研究发表在Trends in Food Science & Technology（2024，2020）、Biotechnology Advances（2024）、Biosensors and Bioelectronics（2022）、Food Hydrocolloids（2024，2023）、Critical Reviews in Food Science and Nutrition（2022）、 Food Chemistry（2023）、Journal of Agricultural and Food Chemistry（2024，2023，2022）等本领域权威期刊。
