在工业生物技术领域，蛋白质分泌效率是商业化的关键。SPgo框架通过深度学习创新设计信号肽，成功突破制造瓶颈，在蛇毒肽等高价值产物上实现产量高达150倍的惊人提升，为生物制造开辟了全新路径。
智能速览
传统信号肽设计方法面临探索空间有限的根本局限。
SPgo框架采用混合策略，结合规则与深度学习进行设计。
SPgo生成的序列在统计和生物学功能上都表现出卓越性能。
实验验证表明，SPgo信号肽显著提升多种蛋白的分泌效率。
应用SPgo使蛇毒肽产量突破性提升150倍，远超此前记录。
SPgo为计算蛋白质设计开辟了超越自然进化解决方案的新范式。
精华内容
SPgo的成功在于其精准的问题分割策略。它将信号肽的N端、H区和C端视为具有不同特性的子问题，并分别采用最优化的方法进行设计，从而实现了对复杂序列-功能关系的高效探索。
信号肽设计困境
信号肽作为蛋白质分泌的“守门人”，其设计直接影响生物制造的成败。传统的理性突变策略只能在已知变体的狭窄邻域内探索，而高通量筛选又面临组合爆炸的计算难题。这两种方法都极大地限制了对广阔序列空间的探索，使得性能提升遭遇瓶颈。
混合设计框架
SPgo框架的创新核心是混合策略。研究发现，信号肽的N区域和C区域遵循明确的物理化学规则，因此采用基于规则的生成策略。而对于序列最复杂的疏水H区域，则利用预训练的BERT语言模型进行微调，专门学习生成有效的跨膜螺旋片段，实现了精确与灵活的统一。
卓越生成性能
多项指标证明SPgo的优越性。其设计的序列在氨基酸组成、多样性等统计特征上与天然信号肽高度接近，熵值达到3.897。更重要的是，SPgo获得了高达50.6%的SignalP 6.0预测率，远超其他模型，表明其设计出的序列不仅在统计上相似，更具备卓越的生物学功能潜力。
实验验证与突破
从荧光蛋白mCherry到PET水解酶，SPgo设计的信号肽均展现出强大的介导分泌能力，细胞外荧光强度比天然信号肽高30倍。最瞩目的成果体现在蛇毒肽的生产上，使用SPgo信号肽后，其分泌产量最高达到154 mg/L，相比约1.0 mg/L的细胞内表达基准，实现了超过150倍的惊人提升。
跨物种应用潜力
研究表明SPgo设计的信号肽具有跨物种应用的潜力。通过对多种微生物宿主的兼容性预测，SPgo有望成为一种通用的工具，推动不同生物系统中的蛋白质高效生产，这对于扩大其在工业生物技术领域的应用范围至关重要。
SPgo不仅是一次技术上的突破，更是一种设计范式的革新。它证明了AI在解决复杂生物问题上的巨大潜力，为生物制造、药物开发等领域带来了可观的效益。未来，这类结合领域知识与深度学习的方法，还能解锁哪些超越自然进化的生命密码？
