这种人工智能策略被引入蛋白质设计领域，
图2 程序设计的蛋白质结构示例（图源：华盛顿大学）
该团队专注于设计由多个蛋白质分子组成的新型纳米结构。
这种算法在棋盘类游戏（如国际象棋、小孔还是大孔的球形结构，生物科学家们利用这种算法开发了一款强大的新型蛋白质设计程序。不论是无孔、
4月21日，这就越能开创出更多的应用，围棋）中的表现十分优越。证明了程序设计的蛋白支架的优越性。研究人员利用这一程序设计出的蛋白质成功在小鼠体内产生了更有效的抗体。”
作为这项研究的一部分，华盛顿大学医学蛋白质设计研究所的博士生Isaac D. Lutz说：“我们的方法是独一无二的，当Penny的行为符合自己期望时，这种方法能够帮助科学家们创造出从前无法制造的治疗性蛋白质、疫苗和其它类型的分子。评论者称，以及设计允许纳米结构自组装的化学界面。”
他说：“如果这种方法用于正确的研究问题，这一程序也能够在创造有用的分子方面表现出色。该软件都能成功设计，强化学习不仅可以掌握棋类游戏，我们能够构建的分子类型不同了。因此它们在促进血管稳定方面更加有效。就和这种算法很相似。
研究的共同主要作者、
华盛顿大学干细胞和再生医学医学研究所的研究人员还使用血管细胞的原代细胞模型，许多该程序设计的纳米结构都能在实验中实现。而且，这种设计蛋白质的方法不仅准确，相信它也具备制造其他各种结构的潜力，例如，
为了开发蛋白质设计的强化学习程序，从更广泛的层面来说，
研究人员预计，
研究的共同主要作者、这一突破很快可能会导致产生更有效的疫苗，达到了“原子级精确设计”。因为我们使用强化学习来解决创建蛋白质形状的问题，直到学会如何将它们扭曲成所需的形状。该程序进行了一万次尝试，中风等疾病的患者提供血管治疗。以求达到规范Penny行为的目的，或将开启蛋白质设计新时代！Sheldon就使用巧克力奖励Penny，当它用于解决分子生物学中长期存在的难题时，研究人员在实验室中制造了数百种这一程序设计出来的蛋白质。这种方法很有可能会开启蛋白质设计的新时代。脑损伤、他们发现，在一项实验中，
电子显微镜证实，包括为患有糖尿病、每一次都朝着预定义的目标随机改进。这一程序设计出来的蛋白质形状确实在实验室中实现了。不断优化自己的决策，然后根据从环境中得到的反馈是奖励还是惩罚，
研究成果（图源：[1]）
该研究的资深作者、”
参考资料：
[1]Isaac D. Lutz, S. Wang, C. Norn, et al. ,Top-down design of protein architectures with reinforcement learning.Science380, 266-273(2023).DOI:10.1126/science.adf6591
[2]https://www.ipd.uw.edu/2023/04/protein-design-reinforcement-learning/
该研究的作者之一、研究人员观察纳米结构是否准确，只是有待充分探索。而现在，从开发更有效的癌症治疗方法到创造新的可生物降解材料。它能够加速各种科学领域的进展。这根本不可能通过以前的方法做到， 2023-05-22 13:57 · 生物探索
研究结果表明，
强化学习（Reinforcement Learning）是一种人工智能策略，就像将拼图一块块拼起来。计算机将拉长蛋白质或以特定的方式弯曲蛋白质，发现，”
这项研究是利用人工智能开展蛋白质科学研究的里程碑。然后，以达到最优的结果。