该论文先容，蛋白质在所有生命形式中都起着重要浸染，蛋白质的各种功能广泛运用于生物技能、化学和医学。改造新的蛋白质常日是个重复且费力的过程，有时乃至要好多年才能完成。由于生物性状和实验的繁芜性，开拓一个能持续运作不安歇并能从产生的数据中学习的全自动系统一贯是个寻衅。
在本次研究中，论文通讯作者、美国威斯康星大学麦迪逊分校Philip A. Romero和同事互助设计出名为SAMPLE(Self-driving Autonomous Machines for Protein Landscape Exploration)的机器人平台，能在没有人类干预或反馈的情形下快速改造蛋白质。该平台由AI驱动，能学习蛋白质序列和功能间的关系，设计出新的蛋白质后把这些蛋白质送到机器人系统进行测试，再向AI算法进行反馈，提升其理解。
为测试该系统，论文作者用4个SAMPLE智能体改造出了耐热性更好的酶。虽然搜索行为不同，但每个SAMPLE智能体都能创造热稳定性更好的酶。论文作者估计，这个机器人系统或许只要几周就能改造完这些蛋白质，本钱也只要原来的一小部分，而同样任务可能须要人类科学家耗时6-12个月。
论文作者总结指出，获取资源延迟、机器人故障和系统宕机可能会影响该机器人研发蛋白质的总耗时，因此，发起该系统以帮忙蛋白质的按需创造进行设计。(完)
