创新突破:
智能驱动酶发现新范式
传统酶发现依赖序列相似性比对,但当序列同源性低于30%时,功能预测准确率骤降,限制了新型酶的挖掘。王雅婕团队开发的ESM-Ezy策略,基于Meta ESM-1b模型微调,构建蛋白质语义引擎,通过自监督学习捕捉蛋白质序列的“语法规则”,将酶序列转化为高维语义向量,精准挖掘功能相近但序列差异显著的新酶。这一策略实现四大突破:
1. 低序列相似性检索:以多铜氧化酶(MCO)为研究对象,挖掘出序列相似度<30%、性能更优的新酶。
2. 发现结构新颖酶:新酶Bfre拥有锰/铜双原子杂合活性中心,展现全新氧还原机制;新酶Sulfur缺少高柔性Loop区,成为最耐高温、耐有机溶剂的MCO之一。
3. 无介体污染物处理:新酶实现无介体体系下雷玛唑亮蓝R、氯霉素等污染物的高效降解,为环境修复提供绿色方案。
4. 技术普适性:策略成功应用于药用天冬酰胺酶挖掘,新酶催化活性与稳定性显著提升,展现医药领域潜力。
王雅婕团队的成果不仅为酶资源开发提供了高效智能化方案,更推动了人工智能与合成生物学的深度融合,为环境修复、绿色制造、医药研发等领域注入新动能,体现了联大“爱国·济世”的精神内核。