通过机器学习引导的适应性和多样性的共同优化,促进了酶工程中的组合图书馆设计
Kerr Ding1, Michael Chin2, Yunlong Zhao2
1School of Computational Science and Engineering, Georgia Institute of Technology, Atlanta, GA, 30332, USA.
Nature communications
|July 30, 2024
概括
我们开发了MODIFY,这是一种用于酶工程的机器学习算法. 它通过预测适应性和多样性来设计更好的酶库,从而能够有效地创建新型生物催化剂.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 酵素工程是什么意思 酵素工程
背景情况:
- 设计具有平衡适应性和多样性的酶库对于设计新功能至关重要.
- 描述或设计具有未知功能的酶具有重大挑战.
- 机器学习为提高酶工程效率提供了潜力.
研究的目的:
- 介绍MODIFY,一种用于设计酶库的机器学习算法.
- 在图书馆设计中共同优化预测的酶适应性和序列多样性.
- 启用ML引导的定向进化,用于增强酶工程.
主要方法:
- 开发了MODIFY,这是一个机器学习算法,可以从自然蛋白质序列中学习.
- 推断进化的可信突变和预测的酶适应性.
- 协同优化预测适应性和序列多样性用于图书馆生成.
主要成果:
- 在零射击健身预测中,MODIFY的表现优于最先进的无监督方法.
- 启用了ML引导的定向进化,提高了效率.
- 通过使用一种新的碳转移机制,为酶选择性C-B和C-Si键形成设计了新型生物催化剂.
结论:
- 通过平衡适应性和多样性,MODIFY有效地设计酶库.
- 在解决具有挑战性的酶工程问题方面表现出潜力.
- 创建了只有六个突变的优质生物催化剂,展示了MODIFY的力量.
