GeoEvoBuilder:一个深度学习框架,用于高效的功能和热稳定蛋白质设计.
Jiale Liu1,2, Hantian You3, Zheng Guo1
1Center for Life Sciences, Academy for Advanced Interdisciplinary Studies, Peking University, Beijing 100871, China.
深度学习框架GeoEvoBuilder通过整合结构和进化数据,直接设计具有增强活性和稳定的蛋白质序列. 这种先进的方法加速了蛋白质工程,绕过了劳动密集型循环.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 蛋白质工程是指蛋白质工程.
背景情况:
- 蛋白质工程传统上依赖于代计算设计和实验验证,这是耗时的.
- 现有的深度学习方法已经推进了蛋白质设计,但很难直接生成具有高活性和稳定性等理想性质的序列.
研究的目的:
- 介绍GeoEvoBuilder,一个用于直接蛋白序列设计的新型深度学习框架.
- 为了改进蛋白质工程成果,以适应的方式整合结构和进化约束.
主要方法:
- 开发了GeoEvoBuilder,这是一个集成结构和进化信息的深度学习框架.
- 应用 GeoEvoBuilder 来重新设计绿色光蛋白,谷氨过氧化酶 4 (GPX4) 和二叶酸减少酶 (DHFR).
- 通过实验方法验证设计的蛋白质结构和功能,包括晶体结构的确定.
主要成果:
- GeoEvoBuilder准确地预测了功能站点,并生成了稳定,活跃的蛋白质序列.
- 重新设计的DHFR显示,催化效率增加了20倍,温度稳定性提高了10°C.
- 设计的蛋白质表现出正确的结构,GPX4变体提供了对残留动态相关性和酶活性调节的见解.
结论:
- GeoEvoBuilder提供了一种对蛋白质工程的变革性方法,通过使直接序列设计能够显著改善活动和稳定性.
- 该框架成功地重新设计了多种蛋白质,证明了其多功能性和探索大量序列空间的潜力,并进行了大量的残留物修改.
- GeoEvoBuilder促进了对蛋白质序列-结构-功能-进化关系的更深入的理解,并可供公众研究.
更多相关视频
05:08Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins
Published on: July 8, 2025
07:08Optimization of Synthetic Proteins: Identification of Interpositional Dependencies Indicating Structurally and/or Functionally Linked Residues
Published on: July 14, 2015
相关概念视频
Conservation of Protein Domains Over Different Proteins
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
Protein-protein Interfaces
Protein-Protein Interfaces
Protein and Protein Structure
A protein's shape is critical to its function. For example, an enzyme...
Protein and Protein Structures
Conservation of Protein Domains
