一项利用人工智能驱动的蛋白质设计方法成功创建了能够高效催化酯水解的丝氨酸水解酶，展示了计算方法在创建复杂多步反应酶的潜力。
这项研究发表在《科学》杂志上，题为《丝氨酸水解酶的计算设计》。研究成果为工程化具有复杂活性位点的酶提供了框架，拓展了合成生物催化剂的可能性。
从零开始设计功能性酶仍然是蛋白质工程中的重大挑战。传统方法通常依赖于将活性位点插入现有的蛋白质支架中，这可能由于结构限制而影响催化效率。尽管如此，计算设计的酶相比天然酶效率较低，但机器学习和人工智能的进步为更复杂的蛋白质设计提供了新机遇。
“我们认为，设计一个丝氨酸水解酶，这种酶虽然特性明确但结构复杂，将是一个理想的模型系统，可以用来测试最新的AI工具，并帮助我们发现可以应用于其他酶设计的一般方法。”共同主笔Anna Lauko博士在接受GEN采访时表示。她是华盛顿大学Baker实验室的博士后研究员。
Lauko和她的同事们开发了一种名为PLACER(Protein-Ligand Atomistic Conformational Ensemble Reproduction)的新型机器学习模型，用于预测设计酶的活性位点构象。
AI设计的丝氨酸水解酶
“我们可以配置PLACER来预测化学反应每一步中活性位点的构象，从而计算检查催化侧链是否在整个反应机制中采用活性构象。”Lauko向GEN解释道。
研究团队首先使用已有的生成AI框架RFdiffusion来设计具有复杂催化位点的蛋白质。然后，他们用PLACER评估活性位点构象，通过分析蛋白质骨架、氨基酸和结合分子的化学结构，实现高精度的酶设计。利用这种方法，团队成功设计出能够高效催化酯水解的丝氨酸水解酶。
“酶的设计非常具有挑战性，因为活性位点的构象必须原子级精确，才能使催化反应顺利进行。”共同主笔Sam Pellock博士指出，他也在华盛顿大学工作。“这需要精确设计和预测不仅仅是整体蛋白质折叠，还包括单个侧链的构象，尤其是对于那些含有多个催化残基或使用多步催化机制的酶。”
最终，团队设计出的酶在保持高催化效率的同时，对活性位点的具体要求最小化。起初，设计的酶只能完成反应机制的前半部分，然后就失去活性。
团队首先设计了包含三个催化基团的简化版本，然后转向创建包含天然丝氨酸水解酶中所有五个催化基团的更复杂设计。
“我们认为设计一个更简单的活性位点可能会更容易实现。”Lauko解释道。“我们尝试了更复杂的设计，当看到一些设计能够催化整个反应时，我们非常高兴。”
通过对创建的丝氨酸水解酶进行实验表征，团队发现这些新酶保留了与天然丝氨酸水解酶不同的折叠结构，并具有高催化效率。这些新酶的结构与计算设计模型高度吻合，这一点通过晶体结构分析得到了证实。“当我们看到它与预测结构如此吻合时，我们非常激动。”Lauko说。
通过筛选具有活性位点预组织的设计酶，团队能够预先选择在现实中更有可能成功的新酶设计。研究结果凸显了计算工具在酶工程中的潜力，特别是在创建具有工业和药物应用的生物催化剂方面。通过将AI工具融入实验方法，研究人员建立了一种灵活的策略，用于设计具有定制功能的酶，在合成生物学应用中具有高价值。
“我们希望本文中的概念和方法能够在未来应用于设计新酶，这些酶能够作用于重要底物或执行新的化学反应。”Pellock总结道。
本文译自 genengnews，由 BALI 编辑发布。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
