7月20日，国际顶级学术期刊Nature子刊Nature Machine Intelligence（Nature旗下专注于机器学习领域的顶级期刊）在线发表了 华大智造 杨梦团队研究成果《Self-play reinforcement learning guides protein engineering》，发布了一款名为EvoPlay的算法模型。这也是 华大智造 团队在该杂志发表单细胞对照学习自监督Concerto算法后，时隔一年再度发表AI算法相关文章。

　　EvoPlay由“Evo”“Play”两个英文单词组合而成，前者意为进化，指蛋白质分子的功能进化；后者指的是博弈类搜索算法。EvoPlay算法模型就是借鉴围棋自博弈方式搜索海量蛋白质突变空间，通过结合不同 的功能或结构预测模拟器，像自动驾驶一样训练智能体完成指定功能增强的蛋白进化。

　　记者了解到，蛋白质的工程化设计和改造是 基因测序 仪的底层基础， 基因测序 仪的迭代升级离不开蛋白工程技术的突破。科学家们通过改造各种各样的蛋白质操作DNA分子、读取酶催化的信号从而识别碱基序列。从 华大智造 测序仪试剂里用到的聚合酶、荧光素酶等各种工具酶，到更广范围的生物催化剂、生物 传感器 、治疗类抗体到生物燃料，都离不开对蛋白质的设计和改造。

　　随同着自动化生物实验室的蓬勃发展，和微流控技术广泛用于分子筛选和进化实验室，更多的自动驾驶实验室（Self-driving Lab）即将出现。在生命科学和技术实验室的各个环节，包含实验的执行、数据的收集和分析、实验计划的制定等，如Design-Build-Test-Learn （DBTL）的循环自主执行，未来都能由自动化系统和 人工智能 来完成，而不用人类进行主动的干预或操作。智能体还可以通过LLM等工具整合外部知识，多轮迭代探索，连续学习，创造出满足人类需求的酶、抗体、小分子、基因序列甚至人造细胞。

　　EvoPlay模型的诞生无疑验证了这种可能性，期待能够实现 人工智能 和生物智能的和谐共生，最终实现真智能。