Инженерия белков на основе данных для повышения каталитической активности и селективности
Data‐Driven Protein Engineering for Improving Catalytic Activity and Selectivity
2023-11-29
SCID: 54.1/zm68amj6
Discuss with AI
каталитическая активностьуправляемая данными инженерия белковселективность ферментовмашинное обучениеландшафты приспособленности белков
Figures from the paper
Abstract (AI)
Инженерия белков имеет важное значение для изменения субстратной специфичности, каталитической активности и селективности ферментов, применяемых в биокатализе. Однако традиционные подходы, такие как направленная эволюция и рациональное конструирование, сталкиваются с проблемой экспериментального скрининга большого пространства белковых мутаций. Методы машинного обучения позволяют аппроксимировать ландшафты приспособленности белков и выявлять каталитические закономерности на основе ограниченного объёма экспериментальных данных, тем самым открывая новый путь к направлению кампаний по инженерии белков. В этой концептуальной статье мы рассматриваем модели машинного обучения, разработанные для оценки взаимосвязей между взаимодействиями ферментов с субстратами и каталитическими характеристиками, с целью улучшения ферментов посредством инженерии белков на основе данных. Кроме того, мы рассматриваем перспективы дальнейшего развития этой области для создания дополнительных стратегий и инструментов, позволяющих достигать заданных значений активности и селективности.
Key Findings
1
Инженерия белков на основе данных позволяет расширять субстратную специфичность и адаптировать каталитические свойства ферментов для биокатализа.
2
Дальнейший прогресс требует разработки дополнительных вычислительных стратегий и инструментов для достижения заданных активностей и селективностей ферментов.
3
Машинное обучение может аппроксимировать ландшафты приспособленности белков по ограниченным экспериментальным данным, повышая эффективность инженерии белков.
4
Модели машинного обучения способны выявлять взаимосвязи между ферментом, субстратом и катализом, важные для улучшения активности и селективности ферментов.
5
Традиционные направленная эволюция и рациональный дизайн ограничены высокой экспериментальной нагрузкой при скрининге больших пространств мутаций белков.
Research Object
ферменты, подвергаемые управляемой данными инженерии белков
Research Subject
каталитическая активность, область субстратов и селективность, включая взаимосвязи между ферментом, субстратом и каталитическими характеристиками
Publication Details
Publication Date
2023-11-29
Journal
Publisher
ISSN
Cited by
45
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai5
Высокоточное предсказание структуры белков с помощью AlphaFold2021
Точное предсказание структур и взаимодействий белков с использованием трековой нейронной сети из трех каналов2021
Методы машинного обучения для решения задач, связанных с малыми объемами данных в молекулярной науке2023
Нейронные сети для изучения взаимосвязей между последовательностью и функцией белков по данным глубокого мутационного сканирования2021
Изучение эпистаза и закономерностей коэволюции остатков: современные тенденции и перспективы развития ферментной инженерии2022