MECE:基于深度神经网络及进化分析提高糖苷水解酶的催化效率

作     者：刘汗青 关菲菲 刘拓宇 杨丽鑫 范灵熙 刘晓青 罗会颖 伍宁丰 姚斌 田健 黄火清 Hanqing Liu;Feifei Guan;Tuoyu Liu;Lixin Yang;Lingxi Fan;Xiaoqing Liu;Huiying Luo;Ningfeng Wu;Bin Yao;Jian Tian;Huoqing Huang

作者机构：Institute of Animal ScienceChinese Academy of Agricultural SciencesBeijing 100193China Biotechnology Research InstituteChinese Academy of Agricultural SciencesBeijing 100081China 

基　　金：supported by the National Key R&D Program of China(2022YFC2105501) the National Natural Science Foundation of China(32202720) the Agricultural Science and Technology Innovation Program(CAAS-ZDRW202304 and CAAS-ASTIPG2022-IFST-07) the Central Public-interest Scientific Institution Basal Research Fund(1610392020001) the Agricultural Science and Technology Innovation Program(ASTIP) 

出 版 物：《Science Bulletin》 (科学通报（英文版）)

年 卷 期：2023年第68卷第22期

页      码：2793-2805,M0006页

摘      要：糖苷水解酶(glycoside hydrolases,GHs)在各个行业广泛应用,其需求量不断增加.然而,如何提高酶的催化效率仍然是一个挑战.本文开发了基于深度神经网络和分子进化的策略(MECE)预测提高糖苷水解酶催化活性的突变体.作者首先从CAZy数据库中收集整理了119个糖苷水解酶家族的蛋白序列,建立了能够识别糖苷水解酶家族和功能残基的深度学习模型DeepGH,通过10倍交叉验证结果显示DeepGH模型的预测准确率为96.73%.随后利用梯度加权类激活图谱(Grad-CAM)方法提取分类相关特征,结合序列进化信息对突变体进行设计最后获得了具有7个氨基酸突变位点的壳聚糖酶突变体CHIS1754-MUT7.实验结果表明,CHIS1754-MUT7的k_(cat)/K_m是野生型的23.53倍.该策略计算效率高,实验成本低,具有显著的优势,为酶催化效率的智能设计提供了一种新的途径,具有广泛的应用前景.

主 题 词：MECE Deep learning Catalytic efficiency Glycoside hydrolases Feature extraction 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081705[081705] 081104[081104] 08[工学] 0817[工学-轻工类] 080502[080502] 0805[工学-能源动力学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.1016/j.scib.2023.09.039

馆 藏 号：203124163...