Künstliche Intelligenz macht Enzymingenieur

Künstliche Intelligenz macht Enzymingenieur

Bild: Die Enzymsubstratspezifität bei Stoffumwandlungsprozessen steht in engem Zusammenhang mit Biochemie, Metabolic Engineering und Umweltsanierung; Es ist jedoch eine der anspruchsvollsten Aufgaben im Protein-Engineering. Wir zeigen, dass die Reduktase-Cofaktor-Präferenz für Äpfelsäureenzyme durch Anwendung der phylogenetischen Analyse auf maschinelles Lernen ohne experimentelle Untersuchung auffallend verändert werden kann. Dieses Verfahren kann Positionen von Mutationen und Kandidatenaminosäuren vorhersagen, die die Substratspezifität beeinflussen, die nur schwer aus Kristallstrukturen abzuleiten sind. Maschinelles Lernen verwendet strukturell homologe, aber funktionell unterschiedliche Aminosäuresequenzen als Eingabedatensätze, um effizient zur Zielfunktion zu navigieren, was möglicherweise grundlegende neue Einblicke in die enzymatische Substratspezifität liefert.
Meinung mehr

Kredit: 2022, Teppei Niide, Logistische regressionsgeführte Identifizierung von Resten, die zur Spezifität beitragen, in einem Enzym mit Sequenzdatensätzen, die nach katalytischen Eigenschaften segmentiert sind, ACS Artificial Biology

Osaka, Japan – Man kann nicht erwarten, dass ein Pharmawissenschaftler Labore in Fernsehstudios verwandelt und denselben Forschungsoutput erwartet. Enzyme verhalten sich genau so. Aber jetzt, in einer Studie, die kürzlich in veröffentlicht wurde ACS Synthetische Biologiehaben Forscher der Universität Osaka Enzymen ein ähnliches Maß an Anpassungsfähigkeit verliehen, ein Ziel, das seit mehr als 30 Jahren unerreichbar blieb.

Enzyme erfüllen beeindruckende Funktionen, die durch die einzigartige Anordnung ihrer konstituierenden Aminosäuren ermöglicht werden, aber normalerweise nur in einer bestimmten zellulären Umgebung. Wenn Sie die zelluläre Umgebung verändern, funktioniert das Enzym selten intestine – wenn überhaupt. Daher ist es ein langjähriges Forschungsziel, die Funktion von Enzymen in verschiedenen Umgebungen zu erhalten oder sogar zu verbessern; Zum Beispiel günstige Bedingungen für die Produktion von Biokraftstoffen. Traditionell beinhaltete eine solche Arbeit umfangreiches Ausprobieren und hatte möglicherweise wenig Gewissheit, ein optimales Ergebnis zu erzielen.

KI (ein computerbasiertes Werkzeug) kann dieses Trial-and-Error-Verfahren reduzieren, stützt sich jedoch immer noch auf experimentell erhaltene Kristallstrukturen von Enzymen – die möglicherweise nicht verfügbar oder nicht besonders nützlich sind. Daher „können die relevanten Aminosäuren, die man in das Enzym umwandeln muss, nur beste Vermutungen sein“, sagt Tip Naydi, Co-Erstautor. „Um dieses Downside zu lösen, haben wir eine Methode zur Anordnung von Aminosäuren entwickelt, die sich ausschließlich auf die weit verbreiteten Aminosäuresequenzen ähnlicher Enzyme anderer lebender Arten stützt.“

Die Forscher konzentrierten sich auf die Aminosäuren, die an der Spezifität des Malatenzyms des Moleküls beteiligt sind, das das Enzym umwandelt (dh das Substrat), und auf die Substanz, die hilft, mit der Umwandlung fortzufahren (dh der Cofaktor). Durch die Identifizierung von Aminosäuresequenzen, die sich im Laufe der Evolution nicht verändert haben, haben Forscher Aminosäuremutationen identifiziert, die Anpassungen an unterschiedliche zelluläre Bedingungen in verschiedenen Arten sind.

„Mit KI haben wir unerwartete Aminosäurereste im Äpfelsäureenzym identifiziert, die der Verwendung verschiedener Redox-Cofaktoren durch das Enzym entsprechen“, sagt Co-Hauptautor Hiroshi Shimizu. “Dies hat uns geholfen, den Mechanismus der Substratspezifität des Enzyms zu verstehen, und wird ein optimales Enzym-Engineering in Labors erleichtern.”

Diese Arbeit nutzte erfolgreich künstliche Intelligenz, um den Erfolg der Umgestaltung der Funktionsweise eines Enzyms erheblich zu beschleunigen und zu verbessern, ohne die Funktion des Enzyms grundlegend zu verändern. Zukünftige Entwicklungen im Enzym-Engineering werden Bereichen wie der Pharma- und Biokraftstoffproduktion, die eine Feinabstimmung der Vielseitigkeit von Enzymen in verschiedenen biochemischen Umgebungen erfordern, großen Nutzen bringen – selbst wenn die Kristallstrukturen der entsprechenden Enzyme fehlen.

###

Der Artikel „Logistische regressionsgeführte Identifizierung von Resten, die zur Enzym-Cofaktor-Spezifität beitragen, mit nach katalytischen Eigenschaften segmentierten Sequenzdatensätzen“ wird in veröffentlicht ACS Synthetische Biologie Im DOI: https://doi.org/10.1021/acssynbio.2c00315.

Über die Universität Osaka

Die Universität Osaka wurde 1931 als eine der sieben kaiserlichen Universitäten Japans gegründet und ist heute eine der führenden Gesamtuniversitäten Japans mit einer breiten Palette von Hauptfächern. Gepaart mit dieser Stärke ist ein einzigartiger Innovationsdrang, der den wissenschaftlichen Prozess von der Grundlagenforschung bis zur Schaffung angewandter Technologie mit positiven wirtschaftlichen Auswirkungen umspannt. Sie ist für ihr Engagement für Innovation in Japan und auf der ganzen Welt anerkannt und wurde 2015 als innovativste Universität Japans (Reuters 2015 Prime 100) und 2017 als eine der innovativsten Institutionen der Welt (Revolutionary Universities and Nature Index Innovation) eingestuft 2017). Jetzt nutzt die Universität Osaka ihre Rolle als ausgewiesene nationale Universitätseinrichtung, die vom Ministerium für Bildung, Kultur, Sport, Wissenschaft und Technologie ausgewählt wurde, um zu Innovationen für das menschliche Wohlergehen, eine nachhaltige Entwicklung der Gesellschaft und sozialen Wandel beizutragen.

Webseite: https://resou.osaka-u.ac.jp/ar


Haftungsausschluss: AAAS und EurekAlert! ist nicht verantwortlich für die Richtigkeit der auf EurekAlert versendeten Publication! Durch die beitragenden Institutionen oder für die Verwendung von Informationen über das EurekAlert-System.

#Künstliche #Intelligenz #macht #Enzymingenieur

Leave a Comment

Your email address will not be published. Required fields are marked *