SZ—8飞船用蛋白质结晶装置的研制

空间的微重力环境有助于改善蛋白质晶体的生长质量。为解析高分辨率的蛋白质分子结构和进一步的理性药物设计提供帮助。为利用德国提供的空间生物培养箱在我国的SZ—8飞船上实施空间蛋白质结晶实验,研制了新型实验装置。新装置具有120个结晶室单元,重0.11 kg,体积10-4m3,单个结晶室蛋白液用量可少至1μL。对汽相扩散和液-液扩散蛋白质结晶方法通用,而且不需要电力供应,没有运动部件。经火箭发射和飞船返回的力学环境模拟测试以及实际结晶实验验证,表明装置安全可靠,满足使用需求。

利用机器学习提高M.jannaschii酪氨酰tRNA合成酶底物特异性分子建模预测的准确度

设计结合不同化学结构底物的酶结合袋是一个巨大的挑战.传统的湿实验要筛选成千上万甚至上百万个突变体来寻找对特定配体结合的突变体,此过程需要耗费大量的时间和资源.为了加快筛选过程,我们提出了一种新的工作流程,将分子建模和数据驱动的机器学习方法相结合,生成具有高富集率的突变文库,用于高效筛选能识别特定底物的蛋白质突变体.M.jannaschii酪氨酰tRNA合成酶(Mj.TyrRS)能识别特定的非天然氨基酸并催化形成氨酰tRNA,其不同的突变体能够识别不同结构的非天然氨基酸,并且已经有了许多报道和数据的积累,因此我们使用TyrRS作为一个例子来进行此筛选流程的概念验证.基于已知的多个Mj.TyrRS的晶体结构及分子建模的结果,我们发现D158G/P是影响残基158~163位α螺旋蛋白骨架变化的关键突变.我们的模拟结果表明,在含有687个突变体的测试数据中,与随机突变相比,分子建模和打分函数计算排序可以将目标突变体的富集率提高2倍,而使用已知突变体和对应的非天然氨基酸数据训练的机器学习模型进行校准后,筛选富集率可提高11倍.这种分子建模和机器学习相结合的计算和筛选流程非常有助于Mj.TyrRS的底物特异性设计,可以大大减少湿实验的时间和成本.此外,这种新方法在蛋白质计算设计领域具有广泛的应用前景.

计算机辅助的金属蛋白设计与改造研究进展

金属蛋白是一类含有金属离子的蛋白的统称,具有特殊的催化活性,在生物体中发挥着重要作用,其结构与功能的关系已经得到了较为充分的研究。在此基础上,通过模拟已知金属蛋白的活性位点,利用计算机辅助设计的方法可以人工设计得到具有特定结构和功能的金属蛋白。本文综述了近期计算机辅助金属蛋白设计与改造领域的研究进展,概括了引入金属离子结合位点和改造蛋白活性的一般规律,总结了计算机辅助设计的优势以及目前存在的问题和挑战,并展望了此领域未来发展的方向和可能的突破点。