以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Protein engineering requires navigating rugged fitness landscapes, where small sequence changes can produce large functional differences, but experimental screening can only sample a small fraction of sequence space. Thus, a central challenge is to efficiently traverse the large combinatorial space of mutations in sili
阅读原文 · Yikun Zhang, Minghao Guo, Guangxue Xu, Peter Yichen Chen, Wojciech Matusik, Wengong Jin, Jingjing Chai, Kaiyi Jiang
向阳乔木 · opencode-go/deepseek-v4.1-flash
蛋白质工程有个老难题：序列空间大到无法穷举，实验一轮只能测几千上万个变体，而真正有用的突变往往藏在某个不起眼的角落。 ProTEUS 想做的事，是把“预测一个突变会带来什么后果”变成一个可以反复滚动、由实验反馈校正的世界模型。 这篇值得看的地方在于它没有停在预测器层面。作者把变体当成状态、突变当成动作，再配一个速度比 AlphaFold3 快 10 倍以上的...