通过启用mRNA显示的机器学习模型评估循环脱水酶LyndD的基质范围
bioRxiv : the preprint server for biology
|October 28, 2024
概括
研究人员使用mRNA显示来研究像Lynd.D.这样的核糖体合成和翻译后修饰 (RiPP) 酶. 这种高通量方法使深度学习模型能够预测酶活性,并指导开发新的疗法.
科学领域:
- 生物化学 生化学
- 分子生物学分子生物学
- 自然产品 化学 化学
背景情况:
- 核糖体合成和翻译后改性 (RiPPs) 是通过复杂的酶途径合成的自然产物.
- 在RiPP生物合成中的多域酶表现出一种"劳动分工",具有用于基质结合和修饰的不同域.
- RiPP酶活性位点的乱交性质允许在基底内修改多个残留物,无论序列上下文如何.
研究的目的:
- 通过使用高通量试验,研究RiPP循环脱水酶,Lynd的基质杂交性.
- 开发RiPP酶基质加工的预测模型.
- 探索这些模型在酶阐释和基于的治疗工程中的应用.
主要方法:
- 使用mRNA显示,一种高通量显示技术,用于对LynD.的广泛基质分析.
- 基于生成的基质分析数据构建了深度学习模型.
- 在酶处理途径中分析了表皮性相互作用.
主要成果:
- 证明了mRNA显示器能够对RiPP酶进行广泛的基质分析的能力.
- 开发了准确的深度学习模型来预测LynD的基板处理.
- 获得了关于控制酶活性的表皮相互作用的见解.
结论:
- 高通量mRNA显示对于表征RiPP酶基质乱交是有效的.
- 深度学习模型可以准确预测RiPP酶活性,并提供有关机理细节的信息.
- 这种方法促进了用于治疗应用的RiPP酶的发现和工程,包括基于的抑制剂.


