Nat Commun｜中科院化学所敖宇飞/北师大申林合作建立酰胺水解酶立体选择性预测模型

文章预览

遇见/摘要 生物催化是合成手性药物和精细化学品的有吸引力方法，但评估和提升生物催化剂对目标底物的对映选择性通常耗时耗资。虽然机器学习已用于揭示蛋白序列与对映选择性之间的关系，但底物适配空间的建立常被忽视。本文利用课题组先前收集的 240 条实验数据，采用 “ 化学 ” 和 “ 几何 ” 描述符，构建随机森林分类模型预测酰胺水解酶对新底物的对映选择性。进一步提出基于这些模型的启发式策略，所设计的最优突变体的 E 值较野生型酰胺水解酶提高 53 倍。   遇见/内容 在生物催化的各种反应功能中，对映选择性受到了极大的关注。对蛋白质针对目标底物的对映选择性的预测，将大大加速生物催化反应系统的建立。尽管已经开发了多种计算方法来模拟生物催化反应，但由于微小的自由能差异超出了广泛使用的计算方法的有效精度范 ………………………………