Изучение эпистаза и закономерностей коэволюции остатков: современные тенденции и перспективы развития ферментной инженерии

Learning Epistasis and Residue Coevolution Patterns: Current Trends and Future Perspectives for Advancing Enzyme Engineering
Frédéric Cadet, Marcel Wittmund, Mehdi D. Davari
2022-11-04

глубокое обучениенаправленная эволюцияинженерия ферментовэпистазкоэволюция остатков
Создание белков и ферментов с заданными функциональными свойствами имеет широкое применение в молекулярной биологии, биотехнологии, биомедицинских науках, здравоохранении и медицине. Огромное пространство белковых последовательностей и множество возможных белков, которые оно представляет, могут служить существенным препятствием для разработки ферментов методами направленной эволюции и рационального дизайна. Нелинейные эффекты коэволюции аминокислот в белковых последовательностях еще больше усложняют эту задачу. Модели, основанные на анализе данных, все чаще предоставляют исследователям вычислительные инструменты для навигации по практически неисследованному многообразию вариантов белков и позволяют частично выявлять правила и эффекты, определяющие топологию пространства последовательностей. В этом обзоре мы последовательно рассматриваем теоретические основы таких методов белковой инженерии, как направленная эволюция и рациональный дизайн, а также анализируем эти стратегии и гибридные стратегии с использованием методов, основанных на данных, в контексте пространства последовательностей. Мы обсуждаем ключевые явления коэволюции аминокислотных остатков, такие как эпистаз, и рассматриваем историю моделей, созданных за последнее десятилетие для вывода закономерностей эволюции белков на основе данных и использования этих знаний с целью улучшения прогнозирования взаимосвязи структуры и функции белков. Модели, основанные на алгоритмах глубокого обучения, относятся к наиболее перспективным методам, способным в определенной степени учитывать нелинейные явления пространства последовательностей. Мы также критически рассматриваем доступные модели прогнозирования эволюционного сопряжения и эпистатических эффектов, включая классические модели и модели глубокого обучения, с точки зрения их возможностей и ограничений. Наконец, мы представляем наше видение возможных направлений дальнейшего развития подходов, основанных на данных, и формулируем основные ориентиры и необходимые условия для будущего быстро развивающегося направления ферментной инженерии.
1
Доступные классические модели и модели глубокого обучения существенно различаются по возможностям и ограничениям, что обосновывает необходимость дальнейшего развития методов инженерии ферментов.
2
Модели, основанные на данных, и гибридные стратегии помогают исследовать малоизученные варианты белков и выявлять правила пространства последовательностей, определяющие взаимосвязь структуры и функции.
3
Модели на основе глубокого обучения названы особенно перспективными для учета нелинейных явлений в пространстве белковых последовательностей, хотя пока лишь частично.
4
Обзор рассматривает огромное пространство белковых последовательностей и нелинейную коэволюцию остатков как ключевые препятствия для направленной эволюции и рационального дизайна ферментов.
5
В обзоре прослеживается развитие моделей за последнее десятилетие для предсказания эволюционных связей, эпистатических эффектов и функций белков по данным о последовательностях.

Пространство последовательностей белков и ферментов, включая закономерности коэволюции аминокислотных остатков

Эпистаз, эволюционное сопряжение и взаимосвязи «структура–функция», выявляемые по данным о последовательностях для управления инженерией ферментов и прогнозирования функциональности вариантов белков

Publication Details
Publication Date
2022-11-04
Journal
Publisher
ISSN
Cited by
59
Access Type
Author Information
Authors
Frédéric Cadet
Marcel Wittmund
Mehdi D. Davari
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%