通过基于机器学习的方法从基底菌类真菌中发现性乳酸酶
Xing Wan1, Sazzad Shahrear2, Shea Wen Chew2
1Department of Microbiology, Faculty of Agriculture and Forestry, University of Helsinki, Biocenter 1, Viikinkaari 9, 00790, Helsinki, Finland. xing.wan@helsinki.fi.
Biotechnology for biofuels and bioproducts
|September 11, 2024
概括
机器学习 (ML) 预测了真菌乳酶的pH最佳值,加速了生物技术的酶发现. 这种方法克服了传统方法的局限性,使工业应用中可有效选乳酸.
科学领域:
- 酶学 是一种酶学.
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- 乳酶是多功能酶,在生物修复,生物质加工和合成中具有应用.
- 传统的劳动密集型实验室方法阻碍了针对特定pH最佳值的乳酸酶的发现和优化.
研究的目的:
- 开发和验证一种机器学习 (ML) 集成的方法,用于预测基础菌菌菌的pH最佳值.
- 通过比较计算分析来了解酶pH optima的分子基础.
主要方法:
- 利用一个小的,精心策划的数据集与一个大型的元基因组数据集对抗,用于ML模型训练.
- 进行了比较计算分析,以调查结构和pH取决于溶解度的差异.
- 通过对精选的乳糖酶候选物进行实验性pH分析,验证了ML预测.
主要成果:
- 成功开发了一种ML方法来预测真菌乳酶pH最佳值.
- 确定了与酸性与中性-性乳糖酶活性相关的结构和溶解性差异.
- 实验验证证证实了ML预测的性乳酶候选物从Lepista nuda*的准确性.
结论:
- 机器学习在预测酶pH最佳度方面表现出很高的有效性,即使数据集有限.
- 这种计算策略显著推进了生物技术应用中酶的系统选.
- 这些发现为更有效的酶发现和工程铺平了道路.
