1
原始序列：MADKLN...（562 个字母）
2
         ↓
3
突变体 1：AADKLN...（第1位 M→A）
4
突变体 2：DADKLN...（第1位 M→D）
5
突变体 3：EADKLN...（第1位 M→E）
6
...
7
突变体 9482：MADKLA...（最后一位 N→A）

1
output/exp_results/your_protein/
2
  ├── your_protein.fasta           ← 原始序列（WT）
3
  └── your_protein_mutants.fasta   ← 9,482 个突变体

1
人类看蛋白质：MADKLN（一串字母）
2
                ↓ ESM2 模型
3
电脑看蛋白质：[0.23, -0.15, 0.89, ..., 0.47]（1,280 个数字）

1
output/plm/esm/
2
  └── your_protein_esm2_t33_650M_UR50D.csv
3
      ├── 9,483 行（9,482 突变体 + 1 WT）
4
      └── 1,280 列（1,280 维向量）

1
酶活性：
2
  WT = 100 U/mL  → 标准化为 1.0
3
  突变体 A = 125 U/mL → 1.25（提升 25%）
4
  突变体 B = 80 U/mL  → 0.80（下降 20%）
5

6
结合亲和力（Kd 越小越好）：
7
  WT = 100 nM    → 取倒数 → 0.01 → 标准化为 1.0
8
  突变体 A = 50 nM → 取倒数 → 0.02 → 2.0（提升 100%）
9
  突变体 B = 200 nM → 取倒数 → 0.005 → 0.5（下降 50%）

1
输入：
2
  - 9,482 个突变体的"数字指纹"（1,280 维向量）
3
  - 您测试的 20 个突变体的活性值
4

5
训练：
6
  AI 学习："哦，这些特征的突变体活性高，那些特征的活性低"
7

8
预测：
9
  AI 预测剩下 9,462 个突变体的活性值
10

11
输出：
12
  按预测活性排序，推荐 Top 50

1
output/exp_results/your_protein/Round1/
2
  ├── your_protein_Round1_predicted_variants.csv
3
  │   ├── 所有 9,482 个突变体的预测结果
4
  │   └── 按预测活性排序
5
  │
6
  ├── your_protein_Round1_predicted_variants_top50.csv
7
  │   └── 推荐的 Top 50（用于下一轮测试）
8
  │
9
  ├── your_protein_Round1_model_performance.png
10
  │   └── 模型性能图（预测 vs 实际）
11
  │
12
  └── your_protein_Round1_feature_importance.csv
13
      └── 哪些特征最重要

1
Round 1 数据：WT + 20 个突变体（21 个数据点）
2
              ↓
3
Round 2 数据：WT + 20 个（Round 1）+ 20 个（Round 2）= 41 个数据点
4
              ↓
5
Round 3 数据：WT + 40 个（Round 1-2）+ 20 个（Round 3）= 61 个数据点

1
data/exp/rounds/your_protein_Round2.xlsx
2

3
variant  | activity
4
---------|----------
5
WT       | 1.0       ← 每轮都要包含
6
N58V     | 0.85      ← Round 1 数据
7
Y250N    | 1.25      ← Round 1 数据
8
...      | ...       ← Round 1 数据
9
L299F    | 1.38      ← Round 2 新数据
10
L313W    | 0.78      ← Round 2 新数据
11
...      | ...       ← Round 2 新数据

1
import pandas as pd
2
import matplotlib.pyplot as plt
3

4
# 读取所有轮次的数据
5
rounds = []
6
for i in range(1, 6):
7
    df = pd.read_excel(f'data/exp/rounds/your_protein_Round{i}.xlsx')
8
    df['round'] = i
9
    rounds.append(df)
10

11
all_data = pd.concat(rounds)
12

13
# 绘制每轮最佳活性
14
best_per_round = all_data.groupby('round')['activity'].max()
15
plt.plot(best_per_round.index, best_per_round.values, marker='o')
16
plt.xlabel('Round')
17
plt.ylabel('Best Activity')
18
plt.title('Evolution Progress')
19
plt.show()

1
Round 1：发现 1.5x WT 的突变体
2
Round 2：发现 2.0x WT 的突变体
3
Round 3：发现 2.5x WT 的突变体
4
Round 4：发现 3.0x WT 的突变体（收敛）
5
Round 5：仍是 3.0x WT（确认收敛）

1
单点突变：
2
  Y250N：1.5x WT
3
  L299F：1.8x WT
4
  R307N：1.6x WT
5

6
组合突变：
7
  Y250N + L299F：2.3x WT？
8
  Y250N + L299F + R307N：3.5x WT？