机器学习技术在区分嗜冷与非嗜冷细菌 α/ω 水解酶中的应用:揭示关键氨基酸的冷适应机制及生物技术意义

《Biologia》:Machine learning techniques for differentiating psychrophilic and non-psychrophilic bacterial α/β hydrolase enzymes

【字体: 时间:2025年04月08日 来源:Biologia 1.4

编辑推荐:

  为探究嗜冷酶适应低温的分子机制,研究人员从 UniProt 数据库获取 464 种嗜冷和 562 种非嗜冷细菌 α/ω 水解酶,运用决策树(DT)、随机森林(RF)等算法分析 10 个变量。结果显示 RF 算法分类准确率达 77%,苏氨酸和丝氨酸对嗜冷特性起关键作用,为生物技术研究提供了新视角。

  嗜冷酶(Psychrophilic enzymes)是一类具有特殊性质的大分子,这些性质使其能够在低温下高效发挥催化活性。其中一个适应因素是活性位点的灵活性增加。嗜冷酶在食品生产、环境修复、制药、纺织和洗涤剂等领域具有重要的工业应用价值,因此备受关注。尽管人们对其兴趣日益浓厚,但嗜冷酶适应低温的分子机制在很大程度上仍未得到探索。本研究旨在调查嗜冷和非嗜冷细菌 α/ω 水解酶(α/ω hydrolase enzymes)之间的差异。研究人员从 UniProt 数据库中检索到 464 种嗜冷和 562 种非嗜冷 α/ω 水解酶。利用决策树(Decision Tree,DT)、随机森林(Random Forest,RF)、极端梯度提升(eXtreme Gradient Boosting,XGBoost)和支持向量机(Support Vector Machine,SVM)等一系列机器学习算法,根据氨基酸组成对这些酶进行了进一步分类。研究分析了包括丙氨酸(Ala)、甘氨酸(Gly)、丝氨酸(Ser)、苏氨酸(Thr)、带电氨基酸、脂肪族氨基酸、芳香族氨基酸和疏水氨基酸的含量,以及脂肪族指数和平均亲水性(grand average of hydropathy,GRAVY)在内的 10 个变量。随机森林算法实现了最高的分类率,准确率达到 77%。进一步的分析表明,氨基酸苏氨酸和丝氨酸在决定嗜冷特性方面发挥了最重要的作用。这表明这些氨基酸在增强酶的氢键结合能力方面起着重要作用,从而有助于酶在寒冷条件下的结构灵活性和稳定性。本研究证实,一些氨基酸,尤其是丝氨酸和苏氨酸,通常参与嗜冷 α/ω 水解酶的冷适应过程,从生物技术的角度来看,这可能提供了一个有趣的研究平台。

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析!

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号