Enzymen kunnen gebruikt worden om reacties te katalyseren met uitstekende controle over de specificiteit of selectiviteit. Deze specialisatie in het uitvoeren van een welbepaalde reactie beperkt echter ook hun palet aan toepassingsmogelijkheden, en maakt het moeilijker om ze te engineeren richting andere functies. Er zijn enkele aanwijzingen dat zogenaamde ancestors ('voorouderlijke enzymen') actief zijn op een ruimere verzameling aan substraten en een grotere mutationele flexibiliteit zouden vertonen. Jammer genoeg kunnen we momenteel niet inschatten welke ancestors werkelijk nuttig zijn, en hoe ze precies aangewend kunnen worden bij het ontwerpen van interessante nieuwe biokatalysatoren. Dit project wil die vragen beantwoorden door vele voorouderlijke enzymen uit een diverse familie van glycoside fosforylasen opnieuw tot leven te wekken. Er zullen ook alternatieve combinaties van mutationele scenarios worden gemaakt, om zo de mogelijkheden te evalueren die niet door de natuurlijke evolutie zijn verkend of weerhouden. De eigenschappen van alle combinaties aan moderne en voorouderlijke sequenties zullen in kaart gebracht worden via machine learning, waardoor het mogelijk zal worden om enzymvarianten te voorspellen die betere startpunten voor engineering zijn, of die op zich reeds gunstigere eigenschappen vertonen.