蛋白质工程是合成生物学领域的重要研究方向之一。但目前人类对于蛋白质折叠、酶天然进化机制等基础生物学问题的理解仍很有限，因此基于理性设计方法进行蛋白质的功能从头设计（de novo design）仍然是一个难题。定向进化（directed evolution）通过在实验室模拟自然进化的原理，可以在不依赖结构和机制信息的基础上对蛋白质的功能进行有效优化。但是定向进化高度依赖高通量筛选方法，也限制了其对缺少高通量筛选方法的蛋白质进行改造的能力。近年来，人工智能辅助的蛋白质工程逐渐发展成为一种高效的蛋白质分子设计新策略，在蛋白质的结构预测、功能预测、溶解度预测和指导智能文库设计等多个方面显现出独特的优势，成为理性设计和定向进化之后的又一次技术发展的浪潮。本文综述了近年来人工智能辅助的蛋白质工程的应用进展，对其中的代表性工作进行了重点阐述。在简单介绍了人工智能蛋白质工程策略的原理和流程之后，对数据、分子描述符和人工智能算法等三个影响预测模型性能的关键点进行了分析，总结了该策略中的主要数据库、分子描述符和算法的主流工具包及平台，介绍了它们的功能、用途和网址。我们还对人工智能策略目前仍面临的不足进行了探讨，如高质量数据不足、实验数据存在偏差、缺少通用模型等。随着自动基因功能注释技术、超高通量筛选技术和人工智能算法的不断发展，将会给人工智能辅助的蛋白质工程提供足够的高质量数据和更准确的算法，从而不断提升人工智能辅助的蛋白质工程预测准确度，为合成生物学研究提供更大的助力。
