对由神经网络产生的酶进行计算评分和实验评估

科学领域:

• 生物化学和分子生物学
• 计算生物学 计算生物学
• 蛋白质工程是指蛋白质的工程.

背景情况:

• 生成性蛋白序列模型可以创建新的序列,但很难预测它们的折叠和功能.
• 酶序列设计需要强大的方法来确保生成的蛋白质是活跃和稳定的.
• 评估计算指标对于蛋白质工程中的生成模型的基准测试至关重要.

研究的目的:

• 为了对计算指标进行基准测试,以预测生成的蛋白质序列的体外酶活性.
• 评估三种不同的生成模型 (祖先序列重建,生成对抗网络,蛋白质语言模型) 在产生功能性酶序列方面的性能.
• 开发一种计算过器,以提高设计蛋白质实验验证的成功率.

主要方法:

• 通过三种不同的模型生成的酶序列对20种不同的计算指标的评估.
• 来自两个酶家族的500多个自然和生成的酶序列 (与自然序列相同的70-90%) 的表达和净化.
• 代实验测试和计算指标的精细化超过三轮开发一个预测过器.

主要成果:

• 开发了一种计算过器,显著提高了识别活性酶变体的实验成功率.
• 过器在实验成功率上显示出50-150%的改善.
• 该研究为评估不同蛋白质序列模型产生的序列质量提供了一个基准.

结论:

• 开发的计算指标和过器是蛋白质工程研究的宝贵工具.
• 这些工具将有助于选择活性蛋白质变体进行实验测试,加速生成蛋白质序列模型的开发.
• 这些发现为从计算设计的序列中更准确地预测蛋白质功能的基础.