在Pixian douban中基于机器学习的Umami的探索:从虚拟选,分子对接和翻译后修改中获得的见解
Sen Mei1, Liangyu Zhang1, Yajie Li1
1Food Microbiology Key Laboratory of Sichuan Province, Chongqing Key Laboratory of Speciality Food Co-Built by Sichuan and Chongqing, Xihua University, No.999 Guangchang Road, Chengdu 610039, China.
Food chemistry
|March 9, 2025
概括
这项研究使用机器学习在Pixian Doubanjiang (PXDB) 中找到乌玛米. VEGGLR具有非常低的乌玛米值,通过受体相互作用增强了味道.
科学领域:
- 食品化学 食品化学
- 分子美食学分子美食学
- 发酵科学 发酵科学
背景情况:
- 毕生杜班江 (PXDB) 味道是关键,但其乌玛米的含量尚未得到充分了解.
- 在PXDB中,衰老过程和生物合成需要进一步研究.
- 了解乌玛米的结构和功能对于口味的发展至关重要.
研究的目的:
- 通过机器学习在老年PXDB中识别和描述umami.
- 阐明关键乌玛米的感觉机制和分子相互作用.
- 探索在PXDB衰老期间的乌玛米生物合成中的潜在调节途径.
主要方法:
- 在1-2岁的PXDB中用于标识的机器学习.
- 感官分析以确定已识别的的umami值.
- 分子对接用于研究受体相互作用 (T1R1/T1R3).
- 对特定蛋白质的翻译后修改 (PTM) 的分析.
主要成果:
- 鉴定了117种,预测69种具有乌玛米潜力.
- VEGGLR显示出显著低的乌玛米值 (0.22 mmol/L).
- 分子对接揭示了VEGGLR通过盐桥和键与T1R1/T1R3结合.
- 在N6U2M1/N6UWT4.4上观察到的翻译后修饰 (酸化,乙化).
结论:
- 机器学习有效地识别了PXDB umami,包括强大的VEGGLR.
- VEGGLR与T1R1/T1R3受体的相互作用解释了其强大的乌玛米贡献.
- 观察到的PTM表明了PXDB umami生物合成中的新型调节机制.
- 这项研究为老年PXDB.的风味化学提供了关键的分子见解.
更多相关视频
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.1K
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
4.9K
