#今日论文推荐# 基于进化算法和深度学习方法，对核酶中性网络进行实验探索

#今日论文推荐# 基于进化算法和深度学习方法，对核酶中性网络进行实验探索

中性网络将所有基因型与适应性景观中的等效表型连接起来，并在生物分子的突变稳健性和可进化性中发挥重要作用。与早期的理论工作相比，在最近的适应性景观实验研究中一直缺乏大型中性网络的证据。这表明进化可能在全球范围内受到限制。

在这里，日本冲绳科学技术研究生院（OIST）的研究人员证明了深度学习引导的进化算法可以有效地识别 RNA 连接酶核酶序列空间内的中性基因型。

此外，他们测量了连接两个活性核酶的所有 2^16 变体的活性，这些核酶有 16 个突变，并分析了高达 16 阶的突变相互作用（上位性）。研究人员发现了一个连接这两种基因型的广泛的中性路径网络，并揭示这些路径可能仅使用来自低阶交互的信息来预测。

同时，他们对超过 120,000 个核酶序列的实验评估提供了重要的经验证据，证明中性网络可以增加适应度景观的可访问性和可预测性。

该研究以「Experimental exploration of a ribozyme neutral network using evolutionary algorithm and deep learning」为题，于 2022 年 8 月 17 日发布在《Nature Communications》。

论文题目：Experimental exploration of a ribozyme neutral network using evolutionary algorithm and deep learning
详细解读：https://www.aminer.cn/research_report/630779f37cb68b460f0bc580https://www.aminer.cn/research_report/630779f37cb68b460f0bc580
AMiner链接：https://www.aminer.cn/?f=cs