Sie können einen Pharmawissenschaftler nicht von einem Labor in eine Küche bringen und denselben Forschungsoutput erwarten. Enzyme verhalten sich genauso: Sie sind abhängig von einer bestimmten Umgebung. Aber jetzt, in einer Studie, die kürzlich in veröffentlicht wurde ACS Synthetische Biologiehaben Forscher der Universität Osaka Enzymen ein analoges Maß an Anpassungsfähigkeit verliehen, ein Ziel, das seit über 30 Jahren unerreichbar blieb.
Enzyme erfüllen beeindruckende Funktionen, die durch die einzigartige Anordnung ihrer konstituierenden Aminosäuren ermöglicht werden, aber normalerweise nur innerhalb einer bestimmten zellulären Umgebung. Wenn Sie die zelluläre Umgebung ändern, funktioniert das Enzym selten gut – wenn überhaupt. Daher war es ein langjähriges Forschungsziel, die Funktion von Enzymen in verschiedenen Umgebungen beizubehalten oder sogar zu verbessern; beispielsweise günstige Bedingungen für die Biokraftstoffproduktion. Traditionell beinhaltete eine solche Arbeit umfangreiches experimentelles Trial-and-Error, das möglicherweise wenig Gewähr dafür bietet, ein optimales Ergebnis zu erzielen.
Künstliche Intelligenz (ein computerbasiertes Werkzeug) kann dieses Trial-and-Error-Verfahren minimieren, stützt sich aber immer noch auf experimentell erhaltene Kristallstrukturen von Enzymen, die möglicherweise nicht verfügbar oder nicht besonders nützlich sind. Daher „könnten die relevanten Aminosäuren, die man im Enzym mutieren sollte, nur beste Vermutungen sein“, sagt Teppei Niide, Co-Senior-Autor. „Um dieses Problem zu lösen, haben wir eine Methodik zur Einstufung von Aminosäuren entwickelt, die nur von der weit verbreiteten Aminosäuresequenz analoger Enzyme anderer lebender Arten abhängt.“
Die Forscher konzentrierten sich auf die Aminosäuren, die an der Spezifität des Malatenzyms für das Molekül, das das Enzym umwandelt (dh das Substrat), und für die Substanz, die die Umwandlung unterstützt (dh den Cofaktor), beteiligt sind. Durch die Identifizierung der Aminosäuresequenzen, die sich im Laufe der Evolution nicht verändert haben, identifizierten die Forscher die Aminosäuremutationen, die Anpassungen an unterschiedliche zelluläre Bedingungen in verschiedenen Arten sind.
„Durch den Einsatz künstlicher Intelligenz haben wir unerwartete Aminosäurereste im Äpfelsäureenzym identifiziert, die der Verwendung verschiedener Redox-Cofaktoren durch das Enzym entsprechen“, sagt Hiroshi Shimizu, Co-Senior-Autor. „Dies hat uns geholfen, den Mechanismus der Substratspezifität des Enzyms zu verstehen, und wird die optimale Entwicklung des Enzyms im Labor erleichtern.“
Dieser Arbeit gelang es, künstliche Intelligenz einzusetzen, um den Erfolg der wesentlichen Neukonfiguration der spezifischen Wirkungsweise eines Enzyms dramatisch zu beschleunigen und zu verbessern, ohne die Funktion des Enzyms grundlegend zu verändern. Zukünftige Fortschritte im Enzym-Engineering werden Bereichen wie der Pharma- und Biokraftstoffproduktion, die eine sorgfältige Abstimmung der Vielseitigkeit von Enzymen auf unterschiedliche biochemische Umgebungen erfordern, erheblich zugute kommen – selbst wenn die Kristallstrukturen der entsprechenden Enzyme fehlen.
Mehr Informationen:
Sou Sugiki et al, Logistic Regression-Guided Identification of Cofactor Specificity-Contributing Residues in Enzyme with Sequence Datasets partitioned by Catalytic Properties, ACS Synthetische Biologie (2022). DOI: 10.1021/acssynbio.2c00315