重組蛋白質表現是生物技術應用的核心，然而，並非所有蛋白質都能在所有生物體中成功表現，龐大的實驗空間也使得找到最佳表現條件極具挑戰性。目前缺乏可預測溶解性蛋白質表現的模型，只能依靠費時費力的實驗試錯法。
本文探討該領域現狀，指出缺乏大型、高保真度的數據集是進展的主要瓶頸。我們提出建立一個可擴展的實驗平台，用以收集跨物種的溶解性蛋白質過表達數據。我們建議將所得數據用於訓練蛋白質表現的預測模型，以解答「蛋白質表現問題能否被解決」這個關鍵問題。
此研究方向對於提升生物技術研發效率，縮短藥物開發週期，具有重大意義，值得台灣生醫界高管密切關注。
Newsflash | Powered by GeneOnline AI
原始資料來源: Cell 2025-06-02
