Project title

Lignin aromatic biomanufacturingAI-driven value conversion

T3 生物制造木质素芳香产物色谱与酶活

全球每年有大量木质素被燃烧或低值处理，尚未充分利用其可再生芳香资源价值。天津大学 AroSynth 用图神经网络对目标酶做全位点饱和突变扫描，给湿实验一份按优先级排序的清单；而湿实验回过头来，纠正了项目团队对通路瓶颈的判断。

全球每年有大量木质素被当作废料燃烧或低质处理。木质素低值处理同时造成资源浪费与额外碳排放。木质素转化路径受关键酶催化效率限制。木质素解聚可为芳香化学品提供可再生原料来源。

01
阶段 1
突变候选排序与实验验证
设计环节 —— 用深度学习模型对 7 个目标酶做全位点单点饱和突变扫描，输出每个突变体的活性提升概率；还按位点聚合识别出热点残基区域，直接给湿实验一份按优先级排序的候选清单。构建环节 —— 通过同源重组把 AI 预测的高潜力突变体整合到底盘菌染色体上。测试环节 —— 用 HPLC 定量产物生成与底物消耗，并测定胞内与胞外酶活。学习环节 —— 把实测的相对酶活与 AI 给出的概率做真阳性率统计和相关性分析，再回流到模型做增量学习。
02
阶段 2
实验回流校正通路瓶颈
项目团队在实验中发现，两个中间产物的积累偏低。据此推测，通路上有两个酶是限速酶。过表达验证用于检验两个限速酶假设，并将结果回流下一轮模型优化。
03
阶段 3
模型预测的首次实验验证
酶活性检测结果验证了 AI 预测的突变位点，并显示相关突变体反应活性提升。