EnzyACT:一种新的深度学习方法,用于预测单个和多个突变对酶活动的影响
Gen Li1, Ning Zhang2, Xiaowen Dai2
1Production and R&D Center I of LSS, GenScript (Shanghai) Biotech Co.,Ltd., Shanghai 200131, China.
Journal of chemical information and modeling
|July 22, 2024
概括
酶工程面临着活性和稳定性之间的权衡. 一个新的深度学习工具,EnzyACT,准确预测突变对酶活性的影响,帮助酶设计.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 生物化学 生物化学
背景情况:
- 酶工程旨在通过突变为特定应用量身定制酶.
- 一个关键的挑战是活动稳定性权衡,其中改善一个往往会损害另一个.
- 预测突变对酶稳定性的影响已经确立,但预测活性变化仍然很困难.
研究的目的:
- 开发一种快速准确的方法来预测突变诱导的酶活性变化.
- 帮助酶设计,并加深对酶活性-稳定性权衡的理解.
- 为了解远程突变在酶活性调节中的作用提供见解.
主要方法:
- 介绍了EnzyACT,一种新的深度学习方法.
- 用蛋白质嵌入进行活动预测的融合图谱技术.
- 在单点和多点突变的精选数据集上训练模型.
主要成果:
- EnzyACT在多个独立的基准数据集中展示了统一的性能.
- 该模型有效地预测单个和多个突变的活性变化.
- 分析提供了关于远程突变如何影响酶活性的见解.
结论:
- EnzyACT为预测酶活性变化提供了有价值的工具,促进了酶工程.
- 该方法有助于理解并可能克服活动稳定性权衡.
- 这项工作有助于改进酶设计策略和确定关键的催化残留物.
更多相关视频
15:05Deciphering the Structural Effects of Activating EGFR Somatic Mutations with Molecular Dynamics Simulation
Published on: May 20, 2020
8.6K
11:36A Protocol for Functional Assessment of Whole-Protein Saturation Mutagenesis Libraries Utilizing High-Throughput Sequencing
Published on: July 3, 2016
10.9K
