分享一篇发表在Nature Chemical Biology上的文章“Enriching productive mutational paths accelerates enzyme evolution”，通讯作者是来自苏黎世应用科技大学的Rebecca M. Buller，她的研究方向主要是生物催化。
自然进化过程通过高效探索蛋白质的序列空间来产生强大的生物催化剂，蛋白质工程师已经学会了通过“定向进化”来遍历这个序列网络，这个步骤涉及到诱变和筛选的迭代循环。这种对序列空间的人工探索表明蛋白质可以快速适应新的选择标准，暗示了在适应度景观中容易导航的路径，通过遵循这些路径，可以改进用于工业和治疗的蛋白质。 然而，我们对控制酶催化反应效率的结构因素仍然缺乏理解，目前酶工程还是依赖于在大型突变体文库中进行筛选，即便使用先进的高通量筛选和计算方法，酶的进化仍然是费时费力的过程。这是因为大多数单点突变是有害(30-50%)或中性(50-70%)的，仅有1%左右的残基替换是有效的。本文作者认为探索序列空间时，仅考虑有益的氨基酸替换能够提高搜索效率。尽管预测能够改善功能的有益突变十分困难，但预测排除有害突变是可操作的。 本文作者选取了Kemp消除酶HG3作为测试系统。HG3在此前的研究中经过17轮优化得到了17个位点的突变体HG3.17，相比于祖先HG3已经具有接近天然酶的效率。然而一项回顾性分析表明，HG3.17中的8个突变足以达到80%的活性。因此，作者使用Rosetta Cattesian ΔΔG快速评估HG3序列中所有5757种可能的单点突变，发现HG3.17中大约一半的潜在单点突变可以从文库设计空间中删除，而不会丢失有益突变。 基于此，作者选取了结合过渡态类似物6-硝基苯并三唑(TSA)6A半径内发现的残基，以及通向活性位点隧道内的所有残基。仅当预测的 ΔΔG小于-0.5REU时，才考虑其它残基位点的突变。此外，还包括了HotSpot Wizard分析的少量单点突变，该分析考虑了序列、结构和进化信息。共进行了5轮进化筛选，每轮筛选约包含1800个突变体，发现能够将Kemp消除酶的活性提高450倍。然而，HG3.R5包含16个突变，但只有3个突变与HG3.17发生在相同的残基，且只共享K50Q这一个突变。作者解析了HG3.R5与TSA的共晶结构，发现尽管在序列水平上发散，但驱动两种酶催化作用的结构效应是相似的。作者最后还尝试使用ESM算法对进化过程中突变体的嵌入向量进行主成分分析，以阐明由这些数据点定义的潜在适应度景观。作者发现HG3.R5和HG3.17适应度峰之间存在深谷，而没有明显的脊。这表明去除不稳定突变的策略可以更有效地探索蛋白质序列空间，压缩后的空间增加了找到进化上可访问的突变路径的可能性。 总之，本文作者描述了一种通过计算预测去除不稳定突变以加速酶工程的策略。文章链接：https://www.nature.com/articles/s41589-024-01712-3
原文引用：DOI：10.1038/s41589-024-01712-3
目前评论：