蛋白质语言模型揭示了碳水化合物活性酶功能在元基因组学中

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 酶学 是一种酶学.

背景情况:

• 从元基因组数据中对未表征的微生物酶进行功能性注释是具有挑战性的.
• 传统的方法,如序列同源学,往往无法识别远程同源或结构保守的酶.
• CAZyLingua的开发目的是利用蛋白语言模型 (pLMs) 来解决这一差距.

研究的目的:

• 开发和评估CAZyLingua,这是碳水化合物活性酶 (CAZyme) 家族和子家族的注释工具.
• 为了提高微生物酶的功能注释的准确性和范围.
• 为了利用pLM来增强CAZyme分类.

主要方法:

• 开发CAZyLingua,这是一个使用蛋白质语言模型 (pLMs) 的新注释工具.
• 对最先进的方法进行性能评估,包括基于隐藏的马尔科夫模型和纯序列方法.
• 应用CAZyLingua对来自母亲/婴儿对和克罗恩病和IgG4相关疾病患者的元基因组数据集.

主要成果:

• CAZyLingua实现了高精度和回忆,与基于HMM的方法相比,优于基于序列的方法.
• 识别了超过27,000个被假定的CAZymes,这些CAZymes被母亲/婴儿元基因组目录中的其他工具遗漏了,包括水平转移的酶.
• 在克罗恩病和IgG4相关疾病中发现了与疾病相关的CAZymes,并注意到IgG4相关疾病中碳水化合物酶 (CE) 的扩张.
• 功能验证了在克罗恩病中过度存在的CE17酶,证实了其对乙化曼诺-寡糖的活性.

结论:

• CAZyLingua有效地增强了CAZymes现有的功能注释管道.
• pLMs能够发现新的CAZyme多样性和与健康和疾病相关的酶功能.
• 该工具有助于更深入地了解与宿主健康和营养相关的生物过程.