12、计算机辅助基因设计的新进化方法

计算机辅助基因设计的新进化方法

1. 引言

进化计算（EC）领域受经典生物进化理论启发，包含种群选择、繁殖协议、遗传信息改变方法和适应度测试等要素。其进展也开始影响分子进化和生物进化建模领域。本文将探讨EC发展，特别是遗传算法（GA）交叉算子对进化搜索效率的新理解，以及对生物分子进化和实验室定向进化的影响。

GA方法有五个关键元素：编码（“染色体”）、种群、父母选择和子代染色体生成方法、子代染色体改变方法（突变和交叉/重组）、适应度标准以及子代纳入种群的规则。本文重点关注子代染色体改变步骤的效率提升，灵感源自真实生物繁殖机制。

1.1 随机点突变驱动的生物进化？

传统GA使用随机点突变，速度难以解释生物进化的实际速度，表明存在更复杂的突变机制。一些项目显示，从头开始的进化搜索可能无法设计出生物分子机器，可能的解决方案是基于先前进化的简单结构域进行进化。

1.2 蛋白质和核酸分子中的构建块

我们使用“构建块”（BBs）来描述这些简单结构域。它们存在于蛋白质、RNA和DNA中，在进化过程中保持保守，可被不同生物共享。GA中也注意到了BBs的显著保守性，并且开始理解其对高效进化搜索的重要性。本文将讨论GA染色体改变规则的最新发展，以及它们与实验室定向进化的关系。

1.3 试管内分子进化的非平凡诱变

随着对BBs在生物学和搜索机制中作用的理解加深，其在体外定向进化实验中的应用也越来越受到重视。许多研究小组使用进化原理设计和选择大分子，随机点突变并非最有效方法。GA中交叉对BBs的保护作用启发了试管内分子进化的新技术，通过特定交叉位点重组来保持BBs并加速子代分子的产生。