通过序列统计和机器学习实现的脂质发现

科学领域:

• 微生物学 微生物学
• 生物化学 生物化学
• 分子生物学分子生物学

背景情况:

• 细菌膜对于细胞生存至关重要,并由进化压力塑造.
• MprF酶对膜脂质进行协同修饰,影响膜的组成和特性.
• 之前的工作确定了Streptococcus agalactiae MprF合成酸酸糖醇 (Lys-PG) 和一种新型的阴性脂质,酸酸糖糖醇 (Lys-Glc-DAG).

研究的目的:

• 调查Lys-Glc-DAG在其他含有MprF的细菌中的发生情况.
• 识别新的MprF产品并了解MprF基质的特异性.
• 使用机器学习对MprF序列的进化约束进行建模.

主要方法:

• 在细菌物种中对MprF蛋白进行比较序列分析.
• 机器学习,特别是受限制的博尔茨曼机器,用于预测MprF基底特异性.
• 研究各种细菌属的MprF活性,包括Streptococcus和Enterococcus.

主要成果:

• 证实了几种链球菌MprF酶可以合成Lys-Glc-DAG.
• 在Enterococcus物种中发现了一种新型的MprF基质 - - 滴葡萄糖-二甲糖醇 (Glc2-DAG).
• 发现了一种使用MprF进行糖脂修饰的细菌的扩大范围.

结论:

• MprF表现出比以前已知的更广泛的基质特异性,包括糖脂质.
• 机器学习方法在预测酶功能和发现新基质方面是有效的.
• 这项研究揭示了新的化脂质,并扩展了MprF在细菌膜生物合成中的已知功能.