蛋白质工程领域在生物技术、医学和基础研究方面具有巨大潜力，但其发展往往受限于序列-功能关系理解不足、AI设计复杂性质的困难以及劳动密集型的定向进化过程。定向进化技术模仿自然选择，通过人为引入基因突变并根据目标功能进行筛选，可以建立序列-功能的直接映射关系，是目前蛋白质工程领域最核心的设计改造策略。但是定向进化技术本身需拆解成多个繁琐流程，并需要经过多轮迭代，极大限制了技术的应用发展和提供高质量序列-功能数据用于训练AI算法。因此将定向进化技术进行多模块整合，实现一体化、标准化的工业标准蛋白质智能进化，并集成机器人、软件、机械控制系统降低人为干预，提高通量水平，获取标准化蛋白质序列-功能数据，将成为未来的发展趋势。

图1.研究成果以封面文章形式发表于《自然·化学工程》

近日，清华大学药学院张数一副教授团队合作建立了一个工业级自动化平台iAutoEvoLab，该平台相比传统自动化工作站的重要创新在于实现了真正的无人值守和极高的工作效率，能够不间断运行约25天实现“近乎零活性”到“完全功能”进化。

硬件方面，iAutoEvoLab无缝集成了包括液体处理工作站、培养箱、自动化机械臂、酶标仪、冰箱和计算控制系统等一系列关键组件。所有核心设备安置在一个半封闭环境中，除培养箱和冰箱等设备外，整套系统处于无菌环境，防止反应池受到污染。软件方面，MegaFluent控制软件负责协调和执行整个工作流程。硬件设备获得读数以后，由MegaFluent进行处理和评估，并根据结果对流程分支进行决策，以完成后续诸如保存培养物、传代、稀释、更换培养基及调节筛选压力的一系列流程。

图2.iAutoEvoLab硬件和软件示意图

该系统另一重要创新在于“智能版”生物连续定向进化方案：基因回路+OrthoRep，实现多样复杂功能蛋白质的生长耦合连续进化。包括蛋白质与DNA、蛋白质与蛋白质、蛋白质与小分子相互作用以及新型融合蛋白的定向进化都可采用这一方案。为实现复杂功能的同时进化，团队成员设计了NIMPLY、双选择等合成基因电路，实现“既要结合DNA又要结合小分子”等复杂逻辑的自动筛选。

图3.LmrA的基因电路控制与生长耦合可编程进化

利用该系统对活性近乎为零的前体CapT7进行蛋白质功能进化。为了赋予T7 RNAP加帽能力以扩大其应用效果，团队将非洲猪瘟病毒的加帽酶与其进行融合，有望应用于哺乳动物细胞中的正交基因表达和疫苗开发等领域。在该平台上进行了一个完全自动化多组平行的定向进化过程，在96孔板中并行启动超过100条独立进化线，每天9个循环进行连续25天，再接入连续流式装置追加10天高浓度筛选，最终获得变体CapT7-V14。该变体在酵母内使靶基因表达提升30倍；在体外转录反应中可合成带帽mRNA；在HEK293T细胞中，其驱动的荧光蛋白水平与CMV、EF1α等哺乳动物强启动子相当，实现“原核启动子直接用于人源细胞”的跨界表达。

图4.CapT7的可编程进化及功能验证

以上案例证明了iAutoEvoLab系统具有极强的进化筛选能力，将生物进化系统与工业自动化框架相结合，进一步提升了应用潜力，使蛋白质在进化过程中快速生成大量高质量且标准化的数据，此过程有助于推进蛋白质设计的计算建模和人工智能研究。在蛋白质进化实验中，平台全程记录每孔OD、突变谱、选择压力等20余项参数，每轮生成海量、高质量、AI可读的数据点，成为训练下一代蛋白质设计AI模型的工业级蛋白数据收集引擎。生物进化、工业自动化和人工智能的进一步深度融合有望揭示蛋白质执行功能的分子机制以及绘制蛋白质进化的适应性景观，最终建立起蛋白质序列与功能之间的直接联系，从而满足生物技术和生物医学应用中对蛋白质设计的多样化需求。

图5.iAutoEvoLab收集高质量、标准化数据

研究成果以“一种工业自动化尺度的蛋白质编程进化实验室”（An industrial automated laboratory for programmable protein evolution）为题，于11月19日以封面文章形式发表于《自然·化学工程》（Nature Chemical Engineering）。

清华大学药学院2025届博士毕业生沈达为论文第一作者，药学院副教授张数一为论文通讯作者。研究得到国家自然科学基金、国家科技部重点研发计划、清华大学笃实专项和北京生物结构前沿研究中心的资助。