由佛罗里达大学谢文俊助理教授和南加州大学Arieh Warshel教授（2013年诺贝尔化学奖获得者）牵头的研究表明，通过生成式AI研究天然酶序列，可以预测突变是否会提高酶的催化效率。有关这一研究的综述最近发表在《国家科学评论》（National Science Review）。
酶是自然界中杰出的生物催化剂，在日常生活的各个方面发挥着不可或缺的作用。想想萤火虫照亮夏夜的令人惊叹的景象——它们迷人的荧光不仅令观察者着迷，还能在同类交流和交配中发挥作用。这种天然奇观是由一种名为萤光素酶的蛋白质提供动力的。
（图片来源：https://en.wikipedia.org/wiki/Firefly）
深入到分子层面，酶是由多种氨基酸构成的复杂网络。萤光素酶就是一个典型的例子，尽管在许多物种中都能找到，但其在不同物种间展现出了令人着迷的序列多样性。这些同源酶表现出了特定的序列进化模式，这对蛋白质结构预测的突破性进展至关重要。接下来的一个关键问题是：这些序列模式与酶催化功能有什么关联？
谢博士和Warshel博士致力于破解酶序列与催化之间错综复杂的关系。他们将蛋白质视为氨基酸“字母”的语言，使用类似于ChatGPT背后的原理，开发生成式人工智能（AI）工具研究酶同源序列。他们的AI工具量化了某些序列或突变出现在自然界中的可能性。令人着迷的是，他们发现当突变发生在底物附近时，这种可能性与酶的催化活性有关。相反，酶骨架中的突变主要与蛋白质稳定性相关。这些见解使包括萤光素酶在内的几种蛋白质的工程化取得了成功。
图2 生成式AI展现了酶序列与其催化特性之间的联系。AI模型为每个序列或突变赋予了一个概率值P(S)，该值在酶不同部位与不同的酶催化性质有更紧密的相关性。这一发现揭示了酶的各个部分感受到的进化压力是不完全相同的。这项研究为进一步探索酶的催化以及进化奠定了基础。
Warshel教授是计算酶学领域的先驱，他评论道：“进化信息和不同酶功能之间的关系表明，酶确实是多尺度的对象。这项研究有可能彻底改变我们对酶催化和进化的理解。”
这项开创性的研究不仅为酶催化研究提供了新的视角，而且有望在生物技术及其他领域得到实际应用。
了解详情，请阅读全文
[点击下方链接或阅读原文] ▼
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理，所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
