热链:通过数据库构建和机器学习预测来弥合二硫化物键和酶热稳定性
Ran Xu1, Qican Pan2, Guoliang Zhu2
1Centre in Artificial Intelligence Driven Drug Discovery, Faculty of Applied Sciences, Macao Polytechnic University, Macao, China.
Protein science : a publication of the Protein Society
|August 15, 2024
概括
设计人工二硫化物键可以增强蛋白质的稳定性. 这项研究开发了机器学习模型来预测有效的二硫化物键,提高准确性和效率,通过实验验证和在线服务器 (ThermoLink) 进行实践应用.
科学领域:
- 蛋白质工程是一种蛋白质工程.
- 生物化学 生物化学
- 计算生物学是一种计算生物学.
背景情况:
- 二硫化物键对于蛋白质的折叠和稳定性至关重要.
- 人工二硫化物键可以提高蛋白质的热稳定性.
- 当前的设计方法往往是低效和资源密集的.
研究的目的:
- 开发准确和有效的方法来设计人工二硫化物键,以提高蛋白质的热稳定性.
- 利用机器学习来预测二硫化物键对蛋白质稳定性的影响.
主要方法:
- 从文献中收集和策划的二硫化键和蛋白质热稳定性数据.
- 提取了基于序列和结构的特征.
- 构建和评估机器学习模型,包括Adaboost-DT算法.
- 利用AlphaFold2进行二硫化物键的预测,并分析了共同进化的关系.
主要成果:
- 使用Adaboost-DT的社区上下文模型实现了最佳性能 (AUC=0.773,精度=0.714).
- AlphaFold2在预测二硫化物键方面表现出很高的准确性.
- 同进化关系可以指导人工二硫化物键设计.
- 经过实验验证的伊米因减少酶89 (IR89) 突变体显示了更好的催化效率.
结论:
- 机器学习模型,特别是基于Adaboost-DT的邻近环境模型,可以有效地预测二硫化物键,以提高蛋白质的热稳定性.
- 像AlphaFold2这样的计算工具和同进化数据的分析有助于合理的二硫化物键设计.
- 开发的方法和数据被集成到ThermoLink在线服务器中,以实现更广泛的可访问性和应用.
