一个新的范式在细胞解酶尾酒优化:免费的专家级预先知识和实验数据集
Le Gao1, Zhuohang Yu2, Shengjie Wang1
1Tianjin Institute of Industrial Biotechnology, Chinese Academy of Sciences, National Technology Innovation Center of Synthetic Biology, Tianjin 300308, China.
Bioresource technology
|September 17, 2023
概括
一个新的模型预测了对纤维素生物质降解的最佳酶组合,克服了试错的限制. 这促进了从植物材料中高效地生产生物燃料和生物蛋白.
科学领域:
- 生物技术是生物技术.
- 生物化学 生物化学
- 酶工程是什么? 酶工程是什么?
背景情况:
- 由于复杂的相互作用,将红纤维解酶尾酒与红纤维素基质配对是具有挑战性的.
- 目前的方法严重依赖于广泛的试错,缺乏先进的计算方法.
- 有限的数据和不完整的知识阻碍了对酶-尾酒-基质动态的预测模型的开发.
研究的目的:
- 开发一种新,高效,高通量深度学习模型,用于预测最佳的酶-尾酒-基质组合.
- 消除对预先标记数据集和反应机制的专家知识的需求.
- 为了加速发现有效的酶尾酒,用于林氏纤维素生物质降解.
主要方法:
- 开发了一个新的深度学习模型,使用简单的功能,绕过了预先标记数据的需求.
- 该模型可以预测最佳组合,而不需要对反应机制的专家级知识.
- 该方法侧重于酶-尾酒-基质相互作用中的结构-动力学-功能关系.
主要成果:
- 该模型在实验最佳组合中实现了91.98%的预测精度.
- 它成功地确定了整体前100个组合中的80.00%.
- 实践测试证实了该模型能够缩小最佳组合和加快选的能力.
结论:
- 开发的模型为酶尾酒优化提供了一种高效,成本效益和高吞吐量解决方案.
- 它显著加快了针对性选和降解红纤维素生物质的速度.
- 该方法对人工蛋白质生物合成和生物质生物提炼的应用有希望.
