定向进化是蛋白质工程的经典办法：随机突变、筛选、挑出更好的、再突变。它有效，但代价高，因为每一轮都要真的把蛋白表达出来、测活性，几十轮下来实验量与时间都难以承受。一篇11月9日提交的预印本论文提出另一种组织方式，把模型放在每轮突变的起点：模型先按突变分辨率预测不同组合的活性，实验只负责验证少量提名，测完的数据再回填给模型，进入下一轮。
把下一个突变变成一道预测题
这套系统被命名为ProTEUS，定位是突变分辨的世界模型。世界模型这个词通常用在机器人与视频上，含义是学习环境如何随动作变化；放到蛋白上，环境就是序列，动作就是突变，模型要学的是"改了这几个位点，功能会怎么变"。训练目标很具体：给定一套突变，预测其功能值。为了公平评估，作者做了严格的同源过滤，把与下游评测目标序列相似度达到30%以上、或结构相似度较高的测定数据排除，避免模型在训练时见过答案。
在留出的测试集上，模型的斯皮尔曼相关系数是0.933，均方误差0.115，对照的基线模型是0.861。这两个指标一起看才有意义，相关系数说明排序能力，均方误差说明数值接近程度。对定向进化来说，排序比绝对数值更重要，因为实验只需要知道先测哪几个；但如果误差太大，模型会把一批实际很差的变体排到前面，白白消耗实验名额。
80倍数据换来56%的误差下降
论文里还有一个对工程实践特别有用的结论：功能预训练数据扩充80倍，测试均方误差从0.262降到0.115，降幅56.3%；换算下来，监督功能数据每翻一倍，误差大约下降12.1%。这条幂律关系回答了一个现实问题：如果一家公司手上只有几百条自有测定数据，值不值得再花钱补数据。按这个斜率，从几百条补到几千条能带来可见的提升，但收益会逐步变缓，补到十万条量级的边际收益就要重新算账。
另一个评估更贴近真实需求。作者在15个多突变数据集上做了K对剩余的测试，也就是让模型从一堆变体里挑出优于其余的那些，平均斯皮尔曼相关0.448，对照方法0.295，在80%的对比中更准。多突变预测比单突变难得多，因为位点之间存在上位效应，两个单独看都有益的突变放在一起可能互相抵消。能在这个任务上领先，说明模型学到的不是简单的加性规则。
两株酶，两条上升曲线
真正让这篇论文有分量的是湿实验部分。作者把模型接进一套自动化流程，流程负责提名候选、用大模型生成理化性质的理由、再根据酶标仪读数更新排序。第一个目标是枯草芽孢杆菌的蔗糖蔗糖酶，优化目标是活性与表达量的乘积。第一轮零样本提名30个单突变，其中Q34N的催化活性是野生型的4.50倍；后续几轮根据实验反馈，找到双突变Q34N:G240W（8.94倍）与Q34N:S359F（8.91倍），最后的三突变G23A:Q34N:G240W把活性推到14.03倍。
值得注意的是这三个替换位点在天然同源序列里出现的频率都低于3.8%，也就是说它们不是进化上保守的选择，而是模型自己提出的非常规方案。这恰好是理性设计最容易漏掉的地方：人类设计者倾向选择已知保守位点，模型没有这个偏好，它按预测值挑。第二个目标是另一株菌的醛脱氢酶，五轮各提名30个、共测150个变体，从零样本的L358I（2.02倍）起步，最终得到四突变体，总活性提高6.85倍，浓度归一化后的催化效率提高7.90倍，并用纯化蛋白的动力学测定做了确认。
13埃之外的长程效应
最能说明模型学到了什么的，是结构映射的结果。醛脱氢酶那四个突变位点，距离已被标注的活性位点残基都在13埃以上。这意味着改进不是通过直接修饰催化口袋实现的，而是通过改变远处的结构动态、亚基相互作用或者底物通道。理性设计在这类问题上几乎无从下手，因为你无法从活性位点的形状推断十几埃之外的一个氨基酸替换会带来什么。
这也是为什么这类模型的价值不在替代结构生物学，而在扩大搜索范围。它不解释机制，只是从海量序列与功能数据里总结出"这种组合可能有用"的模式；机制解释仍然要靠后续的晶体结构、动力学与计算模拟。把两者混为一谈是常见的误读，前者是筛选工具，后者是理解工具，缺一不可。论文没有声称自己揭示了机制，这个克制值得肯定。对做工业酶的公司来说，远端位点的价值尤其大，因为远端突变往往不改变酶的底物特异性，却能在保持选择性的同时提升耐受性与比活，这正是工业化最想要的改进方向。
治理不是附加题
论文在讨论部分专门谈到了治理。当闭环系统能在不到一百次物理实验里显著提升酶的活性与表达量，研究机构面临的风险评估要求就变了。生物安全委员会需要判断这类智能体化的闭环平台与两用研究关切清单如何交互，因为系统可能通过多突变路径产生无法从单突变筛选中预期的功能增益。配套措施被具体化为三条：完整的模型卡、对自动合成订单的筛查、以及可审计的计算轨迹。
这三条对产业界的启示比技术细节更直接。任何把生成模型接到自动化实验平台的团队，都应该先回答一个问题：如果模型提出了一个危险的组合，谁在什么时候拦住它。答案不能是"我们会看一眼"，必须是流程上的硬约束，比如合成订单需要人工双签、特定序列模式触发强制复核、所有提名与理由留档可追溯。这套制度建设不会让研究变慢多少，但能让它在出事之后还站得住。
