高通量スクリーニングと機械学習による酵素活性を促進する表面工学ナノ粒子の発見

科学分野:

• ナノテクノロジーと材料科学
• 生化学と酵素学
• 機械学習と計算生物学

背景:

• ナノ粒子 (NP) は酵素の活性を増やすことができますが,現在の方法は経験的であり,予測デザインの原則が欠けています.
• バイオナノ粒子のインターフェースの構造-機能関係を理解することは,先進的なバイオ触媒とバイオセンサの開発に不可欠です.

研究 の 目的:

• 酵素機能を調節する表面設計ナノ粒子 (SEN) の発見のための最初の高通量プラットフォームを導入する.
• 主要な表面リガンド特性を特定することによって,活動強化NPを設計するための予測的枠組みを確立する.
• 多剤耐性細菌との闘いにおける最適化されたSEN-酵素ペアの機能的関連性を実証する.

主な方法:

• 多様なペプチドリガンドで機能した,金とパラジウムベースのSENの194のライブラリを合成した.
• 3つのモデル酵素 (シトクロームc,ラクトペロキシダース (LPO),リパース) に対してSENをスクリーニングし,高通量プラットフォームを使用した.
• 結果データセットで機械学習モデルを訓練し, 強化された酵素活性と相関する特徴を特定しました.

主要な成果:

• 酵素活性を大幅に増加させた複数のSENを特定し,最も効果的なSENは約19倍の強化を達成した.
• 機械学習モデルは,高性能SENを予測する主要なリガンド特性を成功裏に特定しました.
• 機械学的研究は,NPプラットフォームに転送可能な,運転活動の強化におけるリガンドシェルの支配的な役割を確認した.

結論:

• バイオインターフェイスにおけるナノスケール構造-機能関係をマッピングし,活用するためのスケーラブルで一般化可能な方法を開発した.
• 予測的枠組みにより,酵素活性強化のためのNPの合理的な設計が可能になり,バイオカタリシスとバイオセンシングで広範な応用が可能になります.
• 最適化されたSEN/ LPOペアは,LPO単独と比較して,多剤耐性細菌とバイオフィルム形成に対する優れた有効性を示した.