江南大学倪晔/许国超组Nat Comm｜机器学习增强羧酯酶的立体选择性发散进化

文章预览

遇见/摘要 羧酯酶是手性羧酸和酯类对映体选择性合成的有效生物催化剂。对于近对称酯类化合物，天然的羧酯酶对映选择性表现较差。虽然机器学习能有效加快定向进化，但由于缺乏预测羧酯酶对映体选择性的模型，阻碍了研究的进展，主要难点是高质量的训练数据集的获得。在本研究中，利用高通量筛选获的高质量的数据集，训练出梯度提升的回归树模型，以促进立体选择性进化，获得了立体选择性互补的突变体。 遇见/内容 酶在合成生物学和生物催化领域引起了相当大的关注，被广泛誉为光学活性化学品生物合成的首选。酶在活性中心内立体化学结构通常表现为独特的空间、疏水和静电特性，构成了高立体选择性的基础。然而，在对于具有几乎对称结构的底物时，酶在保持高立体选择性方面面临挑战。手性环己 -3- 烯 -1- 羧酸（ CHCA ）具有一 ………………………………