多酵素カスケードによる高効率のエルゴチオニン合成を可能にするEgtDのAI駆動エンジニアリング

科学分野:

• 生物触媒と酵素工学
• 合成生物学
• 抗酸化剤 研究

背景:

• エルゴチオニン (ERG) は天然の抗酸化物質で,生物医学的な可能性は高いが,微生物による発酵率は低い.
• ERGの効率的な生産は,治療と産業の応用に不可欠です.

研究 の 目的:

• エルゴチオニン (ERG) 生合成のための高効率の in vitro マルチ酵素カスケードを開発する.
• ERGの生産におけるヒスティジンメチル化の速度を制限するステップを克服する.
• AI支援のアプローチを使用してERGの準備スケール合成を確立する.

主な方法:

• 運動予測,分子動態シミュレーション,および構成分析のための機械学習 (CataPro,DLkcat) を統合したシネージストラテジー.
• コンピュータ解析によるMycolicibacrterium smegmatis EgtDのサイト指向型変異
• S-アデノシル-L-メチオニン (SAM) 再生モジュールと結合したマルチ酵素カスケードの再構築

主要な成果:

• エンジニアリングによるトリプルミュータントM3 (L53A/T59S/E282S) は,ヒスティジンとSAMの触媒効率をそれぞれ3. 4倍と2. 8倍増加させた.
• 機械学的洞察は,M3変異体における基質の接近性,触媒角度,およびリガンドトンネルダイナミクスの改善を明らかにした.
• 6.05 g·L−1のタイターと10.01 g·L−1d−1の生産性を持つERG合成が達成され,これはこれまでに報告された最高値である.

結論:

• AIによる構造誘導アプローチは,ERG合成の酵素触媒における進化的制約を克服しました.
• エンジニアリングされた生物触媒カスケードは高値エルゴチオニンの効率的かつスケーラブルな生産を可能にします.
• この研究は 有価な化合物の効率的な生物触媒プロセスの開発を加速させるための強力なプラットフォームを示しています