Разработка высокоактивных и разнообразных ферментов нуклеаз с помощью МО и высокопроизводительног... скачать в хорошем качестве

Разработка высокоактивных и разнообразных ферментов нуклеаз с помощью МО и высокопроизводительног...

Разработка высокоактивных и разнообразных нуклеазных ферментов путем сочетания машинного обучения и сверхвысокопроизводительного скрининга Вторник, 9 июля, 16:00–17:00 по восточному времени | Нил Томас, доктор философии (EvolutionaryScale) и Дэвид Беланже, доктор философии (Google DeepMind) Аннотация: Оптимизация ферментов для работы в новых химических средах — одна из центральных задач синтетической биологии, однако оптимизация часто затрудняется сложным, обширным пространством поиска белков и дорогостоящими экспериментами. В данной работе мы представляем TeleProt — фреймворк машинного обучения, который объединяет эволюционные и экспериментальные данные для разработки разнообразных библиотек вариантов белков и использует его для повышения каталитической активности нуклеазного фермента, разрушающего биопленки, накапливающиеся на хронических ранах. После нескольких раундов высокопроизводительных экспериментов с параллельным использованием как TeleProt, так и стандартного подхода направленной эволюции (DE) мы обнаружили, что наш подход позволил найти значительно более эффективный вариант фермента, чем DE, показал более высокую частоту попаданий при поиске разнообразных вариантов с высокой активностью и даже позволил создать высокопроизводительную исходную библиотеку без каких-либо предварительных экспериментальных данных. Мы опубликовали набор данных из 55 тыс. вариантов нуклеазы, один из самых обширных на сегодняшний день ландшафтов активности ферментов в зависимости от генотипа и фенотипа, что будет способствовать дальнейшему прогрессу в области дизайна с использованием машинного обучения. Препринт: https://www.biorxiv.org/content/10.11...