通过专家指导的深度学习推进Luciferase活动和稳定性
bioRxiv : the preprint server for biology
|September 5, 2025
概括
在高温下改造的NanoLuc luciferase (NLuc) 变种显示出更好的热稳定性和活性. 这项突破利用了混合深度学习和理性设计方法,
科学领域:
- 生物化学
- 蛋白质工程
- 分子生物学
背景情况:
- 在生物成像和传感方面,
- 由于稳定性-活性权衡和低序列同质性,优化NanoLuc luciferase (NLuc) 是很困难的.
- 现有的NLuc增强方法有限.
研究的目的:
- 开发增强的NLuc变种,在高温下提高热稳定性和活性.
- 将计算深度学习与酶工程的结构引导理性设计相结合.
- 为具有稳定性-活性限制的工程酶建立一个广泛适用的框架.
主要方法:
- 对设计的NLuc变体库进行系统分析.
- 将计算深度学习与结构引导的理性设计结合起来.
- 分子动力学模拟和蛋白质折叠研究.
主要成果:
- 开发了NLuc变种 (B.07,B.09) 具有增强的热稳定性 (可溶性50%时增加4.2-5.2°C).
- 在高温下显著增加活性 (在55°C时达到野生类型的320-370%).
- 维持了NLuc的pH耐受性和改善了coelenterazine的活性.
结论:
- 修改后的末端和远端环节,在保留全网络的同时,增强了热弹性.
- 开发的NLuc变种为生物发光应用提供了卓越的工具.
- 混合方法为工程酶提供了超越传统方法的多功能框架.


