摘要

酶是合成生物學中不可或缺的一類生物催化劑。合成生物學利用酶的高效性和選擇性，能夠在溫和條件下對天然底物進行轉化。然而，天然酶對實際生産存在不适配的問題。報告人将圍繞生物催化這個主線，利用蛋白質工程和計算生物學技術手段，從酶的改造理解到 AI（人工智能）升級，探索了一系列解決方案。針對苛刻工業環境中（有機溶劑、高溫、無序性等）酶催化面臨的挑戰，利用定向進化和分子動力學模拟，開發獲得了一系列新穎且廣譜的蛋白質工程策略。同時，結合微觀機制解析，為實現酶的高魯棒性和定向固定提供了有效的途徑。另外，利用前沿深度學習技術，發展了新穎的酶功能預測神經網絡模型和表征驗證平台，突破了傳統酶功能預測難、準确率低的局限。

報告人簡介

崔海洋，教授，博士生導師，南京師範大學生命科學學院，國家級青年人才，江蘇省特聘教授。2016年碩士畢業于中科院天津工業生物技術研究所，師從結構生物學領域專家郭瑞庭教授；2020年，博士畢業于德國亞琛工業大學（導師：Ulrich Schwaneberg教授，蛋白質工程領域專家）；同年，進入德國DWI-萊布尼茨互動材料研究所進行博士後研究；2021-2023年于美國伊利諾伊大學厄巴納-香槟分校繼續進行博士後研究（導師：趙惠民教授，合成生物學領域先驅）。2024年初回國組建“人工智能與工程生物學”研究團隊，搭建超算平台Infinity（無窮生物超算集群）。近五年，以第一作者/通訊作者（含共同）在Science, Angew. Chem.， ACS Catal.， Nat. Commun. 等期刊發表SCI論文22篇，并應邀在國際權威叢書 Methods in Molecular Biology 分别撰寫獨立章節3章。申請發明專利4項。