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（英文）

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^*

来源：Science Bulletin, 2023, 68(22): 2793-2805+2670.

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kcat/Km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.

• 单位
  中国农业科学院