解码转胺酶基因:追踪未知的模式,以提高计算选方法的准确性

科学领域:

• 生物化学和酶学 生物化学和酶学
• 生物信息学和计算生物学

背景情况:

• 转胺酶是具有四个子家族的重要酶:D-阿氨转胺酶 (DATA),L选择性分支链氨转酶 (BCAT),4-氨基-4-脱氧化酶酶 (ADCL) 和R选择性氨转酶 (RATA).
• 拉塔酶对生物催化有很高的价值,特别是在合成奇拉胺和溶解血混合物时.
• 在序列数据库中缺乏有效的基于动机的选方法,因此识别RATA酶具有挑战性.

研究的目的:

• 构建一个全面的转氨酶序列数据集,并将酶分类为各自的子家族.
• 选这些转氨酶子家族内的保存和新型动机.
• 在预测的蛋白质模型上,使用遗传学聚类和结构定位来验证已识别的图案的功能和结构重要性.

主要方法:

• 数据集的构建和转氨酶子家族的分类.
• 在ADCL,BCAT,DATA和RATA子家族中选保存和新型图案.
• 在阿尔法折叠预测蛋白质模型上的基因分析和图案的结构定位.

主要成果:

• 分别为ADCL,BCAT,DATA和RATA的5,7,10和2个新模式的识别.
• 在二次结构上定位3,5,7和2的图案,证实了它们的结构意义.
• 发现独特的残留模式,如293-KxxxR-297,可以提高计算选准确度.

结论:

• 鉴定出新的动机和保存的残留模式对于理解转氨酶功能的理解至关重要.
• 基于动图的计算方法可以显著改善新型RATA酶的查和发现.
• 这项研究促进了RATA酶在各种生物催化应用中的利用,包括奇拉胺合成.