机器学习引导的多位点组合性突变发生增强了pectin lyase的热稳定性
Zhihui Zhang1, Zhixuan Li1, Manli Yang1
1Guangdong Key Laboratory of Fermentation and Enzyme Engineering, School of Biology and Biological Engineering, South China University of Technology, Guangzhou 510006, China.
International journal of biological macromolecules
|August 7, 2024
概括
机器学习 (ML) 通过探索广的序列空间来加速酶工程. 这项研究使用ML增强了pectin lyase的热稳定性,发现了一种具有显著改善半衰期和活性的突变物.
科学领域:
- 生物技术是生物技术.
- 蛋白质工程是指蛋白质工程.
- 酶工程是什么? 酶工程是什么?
背景情况:
- 酶的热稳定性对于工业过程至关重要.
- 定向进化在探索大型酶序列空间方面面临限制.
- 机器学习 (ML) 为酶序列空间探索提供了一种强大的方法.
研究的目的:
- 使用ML指导的蛋白质工程来提高来自Bacillus licheniformis的pectin lyase (PMGL-Ba) 的热稳定性.
- 探索单点突变的组合序列空间,以提高酶性能.
主要方法:
- 半理性设计,以识别初始恒温单点突变物.
- 使用低级突变的图书馆构建一个ML模型.
- 用ML指导的组合突变设计来探索一个大的序列空间 (196,608个理论突变).
主要成果:
- 机器学习预测的库被丰富了高度热稳定的组合突变.
- 最好的突变体P36在75°C和80°C的半衰期中分别增加了67倍和39倍.
- 工程酶显示活动增加2.1倍,具有结构和模拟洞察力.
结论:
- ML引导的组合突变设计有效地提高了酶的热稳定性.
- 这种方法成功地发现了超越传统方法的优质酶突变物.
- 设计的PMGL-Ba显示了潜在的工业应用的显著改进.


