年，深度学习算法AlphaFold2在从原始序列预测蛋白质三维结构方面取得了里程碑式的成果。
宏基因组学产生的大量测序数据，让人们得已窥见未经培养的微生物的生物合成潜力。与初级代谢途径相比，参与次级代谢的酶往往催化不同底物的特殊反应，这些途径为发现新的酶学提供了丰富的资源。
到目前为止，从环境DNA(eDNA)研究中发现新的酶或功能大多数是通过PCR筛选或基于活性位点的筛选方法获得的。作为另一种选择，鸟枪法宏基因组学也具有从eDNA中直接发现新酶的能力，还可以避免由于PCR或活性导向的功能宏基因组学工作流程引入的共同偏差。
最近发表的一篇长综述，作者引经据典，紧跟形势，为宏基因组学在酶学领域构建了一张宏伟蓝图。文章中比较了发现酶的方法，包括系统发育学、序列相似性网络、机器学习技术等。也讨论了各种实验策略来测试计算预测，包括异源表达和筛选。
除了这些广泛使用的方法，还补充了一些新兴技术如宏组学、单细胞基因组学、无细胞表达系统等方法及建议。这里，我们沿着作者给出的路线，为大家做个导读。
首先作者在文章中明确指出两点，文章中主要
