Machine-learning prediction of the protein plasticity regions related to denaturation and aggregation

与变性和聚集相关的蛋白质可塑性区域的机器学习预测

• 批准号: 22K05431
• 负责人: 日び 隆雄
• 金额: $ 2.41万
• 依托单位: Fukui Prefectural University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K05431/
• 关键词: 立体構造予測; タンパク質変性; 機械学習; 構造生物学

1）可塑性領域予測モデルの構築予測モデル中の各アミノ酸残基の溶媒アクセス可能表面積（SASA）を求めるアルゴリズムを検討し、Pythonと相性が良いFreeSASA(Simon Mitternacht (2016))を計算に使用し、結晶構造PDBファイルを用いて結晶構造モデルとAlphafold2モデルのSASA差を計算で求められるようにした。現在、各アミノ酸残基のSASAの差と各アミノ酸残基の疎水性、極性との相関を予測する機械学習モデルについて基本設計を行なっている。2）モデルタンパク質の変異体構築と構造解析強化学習のための酵素変異体ライブラリーを作製した。ニワトリ由来のオボアルブミン(OVA)の人工遺伝子を発現プラスミドに組み込み、error-prone PCR法を用いてオボアルブミン遺伝子にランダムに変異を導入し、26変異体遺伝子ライブラリーを構築した。微量精製した酵素について、熱安定性の指標であるTm値　を測定した結果、42.1℃から67.1℃と最大25℃差であった。ただし、一部の変異体についてゲル化しやすく、アフィニティ精製が困難であった。ゲル化は興味深い現象だが、プログラム構築に必要なモデルタンパク質としては、必要数のデータを得るのに多くの時間が必要となる。そこで、OVAは強化学習に用いることとし、初期モデル酵素を好熱性放線菌Thermobifida fusca AHK119由来クチナーゼ(CutA、ポリエステルヒドロラーゼ)に変更した。OVAと同様にして36変異体酵素を作製し、Tm値が52.8℃から65.8℃の変異体からなる酵素ライブラリーを得た。得られた酵素について順次精製および結晶化を開始した。現在、得られた2変異体酵素についてX線結晶構造解析を行なっている。

1）可塑性区域预测模型的构建我们研究了一种计算预测模型中每个氨基酸残基的溶剂可及表面积（SASA）的算法，并使用与Python兼容的FreeSASA（Simon Mitternacht（2016）），可以使用晶体结构PDB文件计算晶体结构模型和Alphafold2模型之间的SASA差异。目前，我们正在进行机器学习模型的基本设计，该模型可以预测每个氨基酸残基的SASA差异与每个氨基酸残基的疏水性和极性之间的相关性。 2）我们创建了一个酶突变体库，用于构建模型蛋白质突变体和用于结构分析的强化学习。将来自鸡的卵清蛋白（OVA）人工基因插入表达质粒中，并使用易错PCR将突变随机引入卵清蛋白基因中，构建26个突变体基因库。测定微精制酶的作为热稳定性指标的Tm值，结果发现温度范围为42.1℃～67.1℃，最大相差25℃。然而，一些突变体倾向于胶凝，使得亲和纯化变得困难。尽管凝胶化是一个有趣的现象，但它需要大量时间才能获得必要数量的数据作为构建程序的模型蛋白质。因此，我们决定使用OVA进行强化学习，并将最初的模型酶改为源自嗜热放线菌Thermobifida fusca AHK119的角质酶（CutA，聚酯水解酶）。按照与OVA相同的方式创建了36个突变酶，获得了由Tm值在52.8℃至65.8℃范围内的突变体组成的酶库。依次开始获得的酶的纯化和结晶。目前，我们正在对获得的两种突变酶进行X射线晶体结构分析。