喹诺酮类药物的抗菌和抗性机制

喹诺酮类药物是广泛使用的一类抗菌药物,日趋严峻的细菌耐药性已严重威胁其临床应用。介绍喹诺酮类药物的发展过程,其靶向细菌DNA促旋酶(DNA gyrase)和拓扑异构酶Ⅳ(topoisomeraseⅣ)抑制DNA复制的抗菌机制,并进一步探讨了细菌对喹诺酮类药物的抗性机制,包括染色体编码药物靶酶DNA促旋酶和拓扑异构酶Ⅳ的点突变,染色体编码的调节蛋白突变所引发的药物输入蛋白下调或药物输出蛋白上调,以及质粒编码的可阻断药物与靶酶的相互作用、增加药物输出和改变药物代谢等抗性蛋白。研究喹诺酮的抗菌原理及细菌对喹诺酮的抗性机制,将有助于筛查和防控喹诺酮耐药菌。

人工智能辅助的蛋白质工程

蛋白质工程是合成生物学领域的重要研究方向之一。但目前人类对于蛋白质折叠、酶天然进化机制等基础生物学问题的理解仍很有限,因此基于理性设计方法进行蛋白质的功能从头设计(denovo design)仍然是一个难题。定向进化(directedevolution)通过在实验室模拟自然进化的原理,可以在不依赖结构和机制信息的基础上对蛋白质的功能进行有效优化。但是定向进化高度依赖高通量筛选方法,也限制了其对缺少高通量筛选方法的蛋白质进行改造的能力。近年来,人工智能辅助的蛋白质工程逐渐发展成为一种高效的蛋白质分子设计新策略,在蛋白质的结构预测、功能预测、溶解度预测和指导智能文库设计等多个方面显现出独特的优势,成为理性设计和定向进化之后的又一次技术发展的浪潮。本文综述了近年来人工智能辅助的蛋白质工程的应用进展,对其中的代表性工作进行了重点阐述。在简单介绍了人工智能蛋白质工程策略的原理和流程之后,对数据、分子描述符和人工智能算法等三个影响预测模型性能的关键点进行了分析,总结了该策略中的主要数据库、分子描述符和算法的主流工具包及平台,介绍了它们的功能、用途和网址。我们还对人工智能策略目前仍面临的不足进行了探讨,如高质量数据不足、实验数据存在偏差、缺少通用模型等。随着自动基因功能注释技术、超高通量筛选技术和人工智能算法的不断发展,将会给人工智能辅助的蛋白质工程提供足够的高质量数据和更准确的算法,从而不断提升人工智能辅助的蛋白质工程预测准确度,为合成生物学研究提供更大的助力。

半理性设计提高产碱杆菌KS-85来源的肌酸酶催化活性

肌酐水平是指示肾脏功能的重要临床指标。肌酸酶(creatinase,CRE)是肌酐的酶促检测体系中的关键酶之一,也是整个体系的限速酶,较差的活性限制了它在临床检测和工业上的应用。针对此问题,采用半理性设计策略对产碱杆菌属(Alcaligenessp.)KS-85来源肌酸酶Al-CRE的活性进行了改造,通过对挑选出的突变热点进行饱和突变筛选和组合,最终获得多个活性提升的突变酶,活性最高的五点突变酶I304L/F395V/K351V/Y63S/Q88A比活力相较于野生型提升了2.18倍。同时对相关突变位点进行了结构分析,为肌酸酶的实际应用及对其机理的进一步解析提供了基础。