黄酮6位羟基化酶催化机制的理论研究与应用

灯盏乙素发酵生产过程中,黄酮6位羟基化酶催化效率不足,导致产生至少约18%的副产物。本研究以2种黄酮6位羟基化酶CYP82D4与CYP706X为研究目标,通过分子动力学模拟与量子化学计算,对两种黄酮6位羟基化酶的催化机制进行解析。结果表明,CYP82D4与CYP706X在反应决速步的能垒几乎相同,应当具有相似的反应速率,而CYP82D4相对较小的底物结合能可能有利于产物释放,是其具有更高催化效率的直接原因。最后,基于对底物进出过程的研究,CYP82D4的L540A突变将催化效率提高了1.37倍,证明了理论计算指导黄酮6位羟基化酶改造优化的可行性。本研究揭示了黄酮6位羟化酶的催化机制,为对其进行改造优化以提高灯盏乙素的发酵生产效率提供了参考。

AcidBasePred:基于深度学习的蛋白酸碱耐受性预测平台

酶的结构和活性受环境pH值的影响。了解酶对极端pH值的适应机制并进行区分,对于阐明酶的分子机制和工业应用具有重要意义。本研究利用ESM-2蛋白质语言模型对最适pH值大于等于9和/或小于等于5的微生物的分泌蛋白进行编码,分别获得了47725条和66079条数据。在此基础上,本研究构建了一个基于氨基酸序列判别蛋白酸碱耐受性的深度学习模型。该模型准确率显著超过其他方法,在测试集上的整体准确率为94.8%,精确率为91.8%、召回率为93.4%。同时搭建了一个web预测平台(https://enzymepred.biodesign.ac.cn),用户可以直接提交酶的蛋白质序列,预测其酸碱耐受性。本研究加速了酶在生物技术、制药和化工等多个领域的应用进程,为工业酶的快速筛选与优化提供了强有力的工具。