采矿多功能烯酸乙酶:遗传学分类,结构特征和深度学习模型
Liang Guo1, Yuxin Dong2, Deyong Zhang1
1Key Laboratory of Pollution Exposure and Health Intervention of Zhejiang Province, College of Biological and Environment Engineering, Zhejiang Shuren University, Hangzhou, 310015, China.
Bioresources and bioprocessing
|January 29, 2025
概括
研究人员使用酶相似性网络,遗传学分析和深度学习识别了多功能的铁乙酶 (FE). 这扩大了生物催化剂的工具包,用于各种合成应用.
科学领域:
- 生物催化剂是一种生物催化剂.
- 酶学 是一种酶学.
- 生物信息学是一种生物信息学.
背景情况:
- 酸乙酶 (FEs) 是生物过程中的重要酶.
- 识别具有广泛基质特异性的多功能FE具有挑战性,但对应用至关重要.
研究的目的:
- 通过综合计算方法识别新的多功能酸乙酶 (FEs).
- 扩大用于合成应用的生物催化剂的库存.
主要方法:
- 对来自BRENDA的2085个FE序列的酶相似性网络分析.
- 植物遗传学分析以将酶分类与基质乱交相关联.
- 模拟分子动力学以研究结构动力学.
- 深度学习模型用于预测多功能FE.
主要成果:
- 确定了FE的三个主要集群,其中集群1和3含有特征化的酶.
- 遗传学分析揭示了酶分类和基质范围之间的联系.
- 深度学习模型预测了分别来自集群1和3的38个和75个潜在的多功能FE,具有很高的信心.
结论:
- 将基因和结构数据与深度学习相结合,可以有效地发现多功能FE.
- 这项研究扩大了已知FE的多样性,并为合成提供了新的生物催化剂.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
3.2K
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
1.5K
