題目：AlphaFold2 and Deep Learning for Elucidating Enzyme Conformational Flexibility and Its Application for Design

闡明酶構(gòu)象靈活性的AlphaFold2等深度學(xué)習(xí)及其在設(shè)計中的應(yīng)用

文獻來源：https://doi.org/10.1021/jacsau.3c00188 (JACS)

代碼：無 綜述

內(nèi)容：最近陌选，AlphaFold2（AF2）和其他深度學(xué)習(xí)（DL）工具在準(zhǔn)確預(yù)測蛋白質(zhì)和酶的折疊三維（3D）結(jié)構(gòu)方面的成功鞭铆，使結(jié)構(gòu)生物學(xué)和蛋白質(zhì)設(shè)計領(lǐng)域發(fā)生了革命性的變化闻镶。三維結(jié)構(gòu)確實揭示了酶催化機制排列的關(guān)鍵信息，以及哪些結(jié)構(gòu)元素控制了活性位點口袋。然而，理解酶的活性需要詳細(xì)了解催化循環(huán)中所涉及的化學(xué)步驟菲驴，并探索酶在溶液中所采用的多種熱可及構(gòu)象。在這一觀點中错洁，最近的一些研究說明了AF2在闡明酶的構(gòu)象景觀方面的潛力。本文討論了基于af2和DL的蛋白質(zhì)設(shè)計方法的關(guān)鍵發(fā)展實例戒突，以及一些酶設(shè)計案例屯碴。這些研究表明了AF2和DL在允許高效酶的常規(guī)計算設(shè)計方面上的潛力。

1.研究背景

Alphafold2 (AF2)解決了一個存在了60年的問題：通過一級序列來了解蛋白質(zhì)/酶的3D結(jié)構(gòu)膊存。AF2是一種深度學(xué)習(xí)（DL）算法导而，它結(jié)合了基于蛋白質(zhì)結(jié)構(gòu)的進化忱叭、物理和幾何約束的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，能夠高精度地預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)嗡载。AF2被認(rèn)為是蛋白質(zhì)結(jié)構(gòu)預(yù)測的里程碑之一窑多，并促進了DL方法在許多其他場景中的應(yīng)用。雖然AF2算法在預(yù)測酶的天然能量最低結(jié)構(gòu)方面具有非常好的性能洼滚，但是了解單一的靜態(tài)折疊結(jié)構(gòu)并不足以理解和實現(xiàn)工程功能。此外技潘，這些方法的另一個局限性是在于非蛋白質(zhì)部分（即輔助因子遥巴、底物、金屬離子）沒有被預(yù)測享幽。

酶的三維結(jié)構(gòu)確實能提供關(guān)于催化機制和結(jié)構(gòu)元件的排列的非常相關(guān)的信息铲掐，但了解酶的功能需要探索酶在溶液中采用的熱可及構(gòu)象的集合。這種構(gòu)象的集合可以在所謂的自由能景觀（FEL值桩，見圖1中不同反應(yīng)階段的FEL）中表示-顯示熱可及構(gòu)象的相對穩(wěn)定性以及分離它們的動力學(xué)勢壘摆霉。構(gòu)象的改變會直接影響催化功能，包括快速時間尺度上的側(cè)鏈構(gòu)象變化奔坟，環(huán)運動在較慢的時間尺度上通常在底物結(jié)合/產(chǎn)物釋放中起關(guān)鍵作用携栋，在某些情況下通常對應(yīng)于最慢的變構(gòu)轉(zhuǎn)變過程。對自然酶和進化酶的構(gòu)象景觀的評價提供了相關(guān)的新見解咳秉。實驗x射線結(jié)構(gòu)和相關(guān)的b因子婉支，室溫x射線實驗和核磁共振實驗已經(jīng)被用來探索由實驗定向進化技術(shù)產(chǎn)生的幾種酶變體的突變引起的構(gòu)象景觀的變化。從計算的角度來看澜建，F(xiàn)EL的重建以及突變后如何發(fā)生的變化為理解酶的功能（以及設(shè)計）提供了關(guān)鍵信息向挖。

圖1 模型酶的催化循環(huán)和自由能景觀（FEL）在不同步驟中的相關(guān)構(gòu)象變化：自由酶(E)、酶?底物（ES）和酶?產(chǎn)物（EP）炕舵。對于FEL重建何之，需要定義一些關(guān)鍵的自由度（DOF）。

最近咽筋，不同的研究小組表明溶推，AF2實際上可以提供同一蛋白質(zhì)的多種構(gòu)象，這表明AF2在闡明酶和蛋白質(zhì)的構(gòu)象景觀方面具有潛力晤硕〉刻叮考慮到AF2的計算成本相當(dāng)?shù)停貏e是與分子動力學(xué)（MD）模擬計算要求相比舞箍，其應(yīng)用于評估突變對構(gòu)象景觀的影響是非常有吸引力的舰褪。這可能會影響基于AF2的構(gòu)象聚焦酶設(shè)計協(xié)議的發(fā)展。

2.構(gòu)象動力學(xué)在酶的功能和進化中的作用

酶具有高度預(yù)先組織的催化殘基完美地排列的活性位點口袋疏橄，可以有效地穩(wěn)定一個特定反應(yīng)的過渡態(tài)(s)占拍。這種預(yù)組織是由酶的能力采取多種構(gòu)象重要的底物結(jié)合和/或產(chǎn)物形成的略就。構(gòu)象靈活性的重要性清楚地顯示出催化抗體的設(shè)計，呈現(xiàn)一個理想的互補結(jié)構(gòu)-顯示出相對于酶明顯較低的催化活性晃酒。這表明高效催化不僅需要過渡態(tài)穩(wěn)定表牢，還需要構(gòu)象集合的優(yōu)化。事實上贝次，酶通過自然或?qū)嶒炇疫M化來適應(yīng)和進化成新功能的能力與它們固有的構(gòu)象豐富的動態(tài)性質(zhì)有關(guān)崔兴。酶表現(xiàn)出高度的靈活性和多功能性，這表現(xiàn)為它們混雜的側(cè)活性以及它們進化向新功能的耐受性蛔翅。

酶循環(huán)有以下步驟：(1)首先敲茄，底物與催化口袋結(jié)合，這通常需要和/或誘導(dǎo)環(huán)構(gòu)象h和調(diào)節(jié)活性位點的進入靈活域的改變山析，(2)底物(s)被激活堰燎，以促進酶?底物（ES）復(fù)合物的生產(chǎn)性形成，(3)接下來是形成多個反應(yīng)中間體和產(chǎn)物的過渡態(tài)(s)的穩(wěn)定(4)最后笋轨，一旦酶?產(chǎn)物（EP）復(fù)合物形成秆剪，產(chǎn)物(s)從口袋中釋放出來，這通常伴隨著構(gòu)象變化爵政，引發(fā)下一輪催化循環(huán)仅讽。所有這些步驟對于通過優(yōu)化整個途徑的吞吐量來最大化催化活性都是必要的。底物的結(jié)合形成ES也可以調(diào)節(jié)構(gòu)象景觀茂卦，如多酶復(fù)合物丙酮酸脫氫酶復(fù)合物所示何什。在圖1中，腺苷酸激酶（AdK）催化過程中發(fā)生的構(gòu)象變化等龙。催化循環(huán)包括覆蓋活性位點的蓋子從開放結(jié)構(gòu)到封閉結(jié)構(gòu)的構(gòu)象變化处渣。計算步驟的計算步驟沿催化行程（步驟2和3）需要使用QM，混合QM/MM蛛砰，EVB罐栈，這些用于分析結(jié)合到解離循環(huán)過程的構(gòu)象變化分析成本比較昂貴。目前的計算策略主要只關(guān)注上述的一些特征泥畅，導(dǎo)致其在實現(xiàn)高水平的酶活性方面的成功率較低荠诬。

3.自由能景觀的計算重建

酶在溶液中所采用的構(gòu)象集合可以在自由能景觀（FEL）中表示。自由能(G)與kBT單位中的總體分布的負(fù)對數(shù)成正比位仁；因此柑贞，這個分布中的最大值是FEL中的最小值。因此聂抢，F(xiàn)EL提供了關(guān)于熱力學(xué)的關(guān)鍵信息和構(gòu)象轉(zhuǎn)變的動力學(xué)钧嘶。這些分離不同最小值的能量障礙將決定構(gòu)象交換的時間尺度：快速的構(gòu)象變化發(fā)生在皮秒到微秒的時間尺度上（這是對酶催化至關(guān)重要的環(huán)運動），而慢速運動將發(fā)生在毫秒到秒之間琳疏。

酶可以通過x射線有决、室溫闸拿、時間分辨x射線、低溫電子顯微鏡书幕、核磁共振和生物物理技術(shù)來提供互補的動力學(xué)信息新荤。這些存儲在蛋白質(zhì)數(shù)據(jù)庫（PDB）中的相同酶的多重構(gòu)象在AF2訓(xùn)練中發(fā)揮了重要作用，但在AF2應(yīng)用于評估生物系統(tǒng)的構(gòu)象異構(gòu)性方面也發(fā)揮了重要作用（如下所述）台汇。計算方法特別適用于重建FEL：MD模擬通過積分牛頓運動定律來采樣種群分布苛骨。通過定義一組簡化的集體自由度（DOFs），可以將在MD運行中獲得的高維數(shù)據(jù)投影出來苟呐，用于概率分布計算智袭，從而進行FEL重建（見圖2）。通過不同的降維方案掠抬，可以手動或自動地選擇降維自由度集。對FEL重建的構(gòu)象變化的準(zhǔn)確探索需要廣泛的MD模擬校哎，并且根據(jù)構(gòu)象轉(zhuǎn)變的時間尺度两波，需要應(yīng)用增強的采樣技術(shù)。這些技術(shù)相關(guān)的計算成本很高（從幾周到好幾個月的模擬）闷哆，這限制了這些策略在計算設(shè)計和排序酶設(shè)計中的適用性腰奋。

圖2 自由能景觀（FEL）重建過程的示意圖表示。MD模擬的高維數(shù)據(jù)需要簡化并投影到一組關(guān)鍵的集體自由度（DOF）中抱怔，以進行概率分布計算來重建FFEL劣坊。

4.AF2在捕獲構(gòu)象異構(gòu)性中的應(yīng)用

圖3 用AlphaFold2（AF2）預(yù)測交替狀態(tài)的策略概述。正如在del Alamo等人所做的那樣屈留，多序列比對（MSA）深度可以被改變局冰，一些MSA位置可以被掩蓋，如Stein和McHaourab所示灌危，MSA可以聚類康二。

標(biāo)準(zhǔn)的AF2協(xié)議需要酶的一級序列，由進化相關(guān)蛋白信息生成的多序列比對（MSA）勇蝙，以及少量命名為模板的同源結(jié)構(gòu)的三維坐標(biāo)（見圖3）沫勿。雖然AF2被設(shè)計用來預(yù)測單個靜態(tài)結(jié)構(gòu)，但最近的一些論文表明味混，通過減少AF2算法中使用的輸入MSA的深度（除了減少回收的數(shù)量）产雹，可以生成多種構(gòu)象的精確模型。del Alamo和他的同事表明翁锡，通過改變AF2管道蔓挖，減少MSA序列（只有16個序列），可以獲得轉(zhuǎn)運體和g蛋白偶聯(lián)受體的多種構(gòu)象盗誊。他們?yōu)槊糠NMSA大小每種蛋白受體生成多達50種不同的構(gòu)象时甚，而標(biāo)準(zhǔn)的AF2協(xié)議提供了構(gòu)象同質(zhì)和幾乎相同的結(jié)構(gòu)隘弊。有趣的是，他們觀察到AF2訓(xùn)練集中包含的蛋白質(zhì)的有限的構(gòu)象采樣荒适。在另一項研究中梨熙，Stein和McHaourab報道了一種通用的方法，將AF2生成的模型基于將MSA中的特定殘基替換為丙氨酸或其他殘基刀诬。AF2用于生成初始構(gòu)象咽扇，根據(jù)初始結(jié)構(gòu)中可能的接觸點、先驗結(jié)構(gòu)信息或主結(jié)構(gòu)內(nèi)的不確定性區(qū)域陕壹，對MSA進行了修改质欲。他們發(fā)現(xiàn)，將某些氨基酸柱替換為丙氨酸或其他殘基糠馆，將網(wǎng)絡(luò)的注意力轉(zhuǎn)向MSA的其他部分嘶伟，允許AF2基于其他共同進化的殘基找到替代構(gòu)象。其中一個例子是AdK又碌，它經(jīng)歷了一個蓋子和一個鎖定活性位點的大規(guī)模構(gòu)象變化九昧，如未結(jié)合和抑制劑結(jié)合的晶體結(jié)構(gòu)所示（見圖1）。通過掩蔽部分殘基并將其替換為丙氨酸毕匀，得到了AdK的閉鏈和開鏈铸鹰。雖然沒有一個AF2開放結(jié)構(gòu)達到晶體結(jié)構(gòu)的開放水平（PDB：4AKE），但生成的AF2模型顯示了不同水平的閉合皂岔，顯示了預(yù)測描述系統(tǒng)構(gòu)象異構(gòu)性的方法的潛力蹋笼。

圖4 基于模板的AF2（tAF2）方法用于估計構(gòu)象異質(zhì)性。不同的多個序列比對（MSA）深度和一組模板從選擇x射線結(jié)構(gòu)或分子動力學(xué)（MD）快照提供AF2.34多個輸出模型由AF2不同MSA深度所示垂直線中心情節(jié)然后受到短MD模擬FEL重建躁垛。新的FEL從10 ns MD模擬從ca開始產(chǎn)生剖毯。在不同MSA下的1000個AF2輸出以藍色到紅色的顏色圖顯示，在通過良好的多步元動力學(xué)模擬獲得的計算重建的FEL上（灰色）缤苫。重建的FELs的x軸和y軸分別表示覆蓋活性位點的TrpB的COMM域的開放到封閉（O-to-C）過渡速兔，以及與生成的O-to-C結(jié)構(gòu)路徑的均方偏差（MSD）。輸入序列是0B2-pfTrpB變體活玲。

受這些工作的影響涣狗，作者開發(fā)了一種基于模板的AF2方法來評估構(gòu)象異構(gòu)性，以及這是如何被幾種色氨酸合酶的β亞基突變所改變的（TrpB舒憾，見圖4）镀钓。正如在del Alamo等人的工作中所做的那樣，本文測試了減少MSA中提供的序列數(shù)量的效果镀迂。另外本文評估了當(dāng)提供不同的顯示多個構(gòu)象狀態(tài)的模板時丁溅，AF2預(yù)測是如何改變的。作者通過提供基于X射線或從MD模擬中提取的構(gòu)象作為模板來測試基于模板的AF2管道探遵。在這些設(shè)置下窟赏，AF2顯示了所分析系統(tǒng)之間構(gòu)象景觀的主要差異妓柜。有趣的是，通過從AF2結(jié)構(gòu)集合中運行多個短MD模擬并重建相關(guān)的fel涯穷，進一步證明了這一點（圖4）棍掐。從基于模板的AF2預(yù)測中生成的FEL與使用良好的多步元動力學(xué)模擬生成的計算成本昂貴的FEL相一致。這是令人興奮的拷况，因為它顯示了AF2在快速和準(zhǔn)確地評估不同系統(tǒng)的纖維粒體方面的潛力-這可以應(yīng)用于構(gòu)象驅(qū)動的酶設(shè)計方法作煌。AF2通過在不同MSA深度獲得的多個輸出最近也與重加權(quán)自編碼變分貝葉斯增強（RAVE）抽樣相結(jié)合可以獲得結(jié)果。

5.AF2等深度學(xué)習(xí)技術(shù)在蛋白質(zhì)和酶設(shè)計中的應(yīng)用

受AF2方法的啟發(fā)赚瘦，其他的DL技術(shù)最近也被開發(fā)出來粟誓，用于闡明酶的折疊結(jié)構(gòu)，并提供了一些可能用于蛋白質(zhì)設(shè)計的指標(biāo)起意。該領(lǐng)域正在快速發(fā)展鹰服，特別為蛋白質(zhì)設(shè)計而開發(fā)的DL策略的數(shù)量也在不斷增加。本節(jié)的目的是簡要概述最具代表性的技術(shù)揽咕，并特別強調(diào)那些與酶設(shè)計特別相關(guān)的策略获诈。

這些可用的結(jié)構(gòu)預(yù)測策略可以根據(jù)所使用的輸入?yún)?shù)的數(shù)量進行分類：那些需要輸入查詢序列、MSA和用于準(zhǔn)確預(yù)測的模板集心褐，以及那些僅基于輸入序列預(yù)測折疊結(jié)構(gòu)的策略。與AF2類似笼踩，RoseTTAFold（RF）算法幾乎與AF2同時開發(fā)逗爹，需要一個MSA和一組初始模板來對折疊結(jié)構(gòu)進行準(zhǔn)確的預(yù)測。RF對?蛋白蛋白的準(zhǔn)確性有所提高嚎于。OpenFold2也被開發(fā)用來復(fù)制AF2算法掘而，并使其能夠進入結(jié)構(gòu)生物學(xué)社區(qū)。AlphaLink也被引入于购，以納入實驗距離約束信息袍睡，從而生成了AF2網(wǎng)絡(luò)架構(gòu)的修改版本。

序列包含了關(guān)于酶的結(jié)構(gòu)和功能的隱式信息肋僧，因為每個氨基酸在序列中的位置是由空間排列和它們之間可能建立的相互作用所決定的斑胜。其主要優(yōu)點是序列的比較在計算上很便宜（至少與基于物理的方法相比），并提供了關(guān)于每個位置上最常見的殘基嫌吠、保守分?jǐn)?shù)和在進化過程中出現(xiàn)的相關(guān)突變對的關(guān)鍵信息止潘。共變突變與功能、3D接觸和結(jié)合有關(guān)辫诅。研究還表明凭戴，使用以前用于自然語言處理（NLP）的語言模型可以應(yīng)用于生物學(xué)語言的上下文中，從大規(guī)模的序列數(shù)據(jù)集生成“內(nèi)容感知”的數(shù)據(jù)表示炕矮。這就是ESM-2-它是迄今為止開發(fā)的最大的蛋白質(zhì)序列語言模型么夫。ESMFold可以進行端到端折疊結(jié)構(gòu)預(yù)測者冤，在達到與AF2相似的精度的同時速度快一個數(shù)量級。OmegaFold（OF）是另一種端到端結(jié)構(gòu)預(yù)測算法档痪，它結(jié)合了預(yù)先訓(xùn)練好的語言模型和幾何Transformer模型涉枫，用于重建結(jié)構(gòu)。與ESMfold類似钞它，OF只需要輸入序列拜银，并且比AF2和RF快10倍。更重要的是遭垛，OF在預(yù)測孤兒蛋白的折疊結(jié)構(gòu)方面做得更好尼桶，即那些沒有任何指定功能家族的蛋白質(zhì)。

除了預(yù)測蛋白質(zhì)折疊結(jié)構(gòu)的不同方法外锯仪，不同的NLP和深度學(xué)習(xí)結(jié)構(gòu)也被開發(fā)出來生成新的非自然序列泵督。這些不同的策略針對不同的目標(biāo)，從生成新的序列來維持一些自然活動到想象新的折疊和復(fù)雜的對稱組裝等庶喜。

生成語言模型ProGen和ProGen2在數(shù)百萬個原始蛋白序列上進行訓(xùn)練以生成表達良好并維持酶功能的從頭人工蛋白小腊。ProtGPT2是一種無監(jiān)督的語言模型，它可以基于自然序列的原理生成新的序列久窟。同樣秩冈，在熒光素酶樣氧化還原酶數(shù)據(jù)集上訓(xùn)練的變分自編碼器也被用于生成維持熒光素酶活性的新序列。ProteinGAN基于生成對抗網(wǎng)絡(luò)的一種基于自我注意的變體斥扛，學(xué)習(xí)自然蛋白質(zhì)序列以生成新的功能變體入问。在BRENDA酶數(shù)據(jù)庫上訓(xùn)練的條件語言模型ZymCTRL最近也被開發(fā)出來，它能夠在一個用戶定義的基于酶分類（EC）的酶類中提供新的人工酶稀颁。語言模型也被用于獲得一組可能折疊成給定所需結(jié)構(gòu)的序列芬失。例如，最近開發(fā)的LM-Design和ProteinDT就是這種情況匾灶。Yu和他的同事最近開發(fā)了基于對比學(xué)習(xí)的CLEAN棱烂，它能夠?qū)C數(shù)分配給給定的序列。

轉(zhuǎn)化約束trRosetta（trRosetta）由貝克實驗室于2020年開發(fā)阶女，通過隨機修改起始序列來找到快速預(yù)測的?殘基殘基間距離圖來設(shè)計多種蛋白質(zhì)颊糜。trRosetta和基于物理的Rosetta的結(jié)合提供更多漏斗的能量景觀：trRosetta被用于反對替代狀態(tài)，高分辨率trRosetta被用于在設(shè)計的目標(biāo)結(jié)構(gòu)上創(chuàng)建一個深度能量最小值秃踩。trtrRosetta促進了小β桶蛋白和具有不連續(xù)功能位點的蛋白的研究發(fā)展芭析。最近，Dauparas和他的同事開發(fā)了一種名為ProteinMPNN的方法吞瞪，這是一種圖神經(jīng)網(wǎng)絡(luò)馁启，可以挽救以前Rosetta或AF2產(chǎn)生的失敗設(shè)計。ProteinMPNN最近被用于生成從頭熒光素酶。MutComput是一種卷積神經(jīng)網(wǎng)絡(luò)（CNN）惯疙，已成功應(yīng)用于設(shè)計新的聚（對苯二甲酸乙二酸乙酯）解聚水解酶翠勉。Anand等人提供了另一個最近的蛋白質(zhì)序列設(shè)計CNN，以生成從頭tim-b桶狀蛋白主干霉颠。全息cnn也被開發(fā)用于學(xué)習(xí)蛋白質(zhì)微環(huán)境的形狀对碌，以預(yù)測突變對蛋白質(zhì)復(fù)合物的穩(wěn)定性和結(jié)合的影響。

基于使用AF2來預(yù)測生成的序列的結(jié)構(gòu)和使用輸出的AF2指標(biāo)來設(shè)計新的蛋白質(zhì)的不同的協(xié)議也已被開發(fā)出來蒿偎。AlphaDesign可以從隨機序列開始快速預(yù)測全新的蛋白質(zhì)單體朽们。AlphaDesign在設(shè)計與特異性靶蛋白結(jié)合的蛋白質(zhì)方面的潛在應(yīng)用也被顯示。AF2還被用于快速和準(zhǔn)確的固定主干設(shè)計序列诉位，這些序列可以折疊到一個特定的主干骑脱。Baker實驗室結(jié)合ProteinMPNN和AF2，設(shè)計具有中心口袋的封閉重復(fù)蛋白苍糠，并生成對稱的蛋白組裝叁丧。類似地，RF而不是AF2用于設(shè)計高親和力的蛋白結(jié)合物或具有預(yù)先指定的功能基序的蛋白岳瞭。RF也有可能預(yù)測突變對蛋白質(zhì)功能的影響拥娄。

基于RF的擴散模型（稱為RF擴散）由Baker實驗室開發(fā)。RF擴散可以非惩ぃ快速和準(zhǔn)確地設(shè)計受拓?fù)浼s束的蛋白質(zhì)單體稚瘾、蛋白質(zhì)結(jié)合物、對稱低聚物姚炕、金屬結(jié)合蛋白孟抗，甚至是含有特定活性位點殘基的酶支架。RF擴散的性能在成功率钻心、準(zhǔn)確性和速度方面都優(yōu)于幻覺設(shè)計。即使RF擴散沒有明確地考慮底物分子铅协，但它可以使用外部電勢隱式地建模來引導(dǎo)活性位點口袋的產(chǎn)生捷沸。

如引言中所述，催化功能需要底物的結(jié)合和產(chǎn)物的釋放狐史，而且在許多情況下痒给，酶的活性依賴于輔助因子和金屬離子的結(jié)合。在這個方向上骏全，基于DL的不同策略也被產(chǎn)生苍柏，以將配體、底物和缺失的輔助因子對接到潛在的口袋中姜贡。AlphaFill使用序列和結(jié)構(gòu)相似性试吁，將缺失的有機分子和金屬離子納入AF2模型。擴散生成模型擴散模型被設(shè)計用來將小分子對接到潛在的蛋白質(zhì)口袋中。該策略被證明優(yōu)于以前的傳統(tǒng)和DL對接協(xié)議熄捍。Meller和他的同事還開發(fā)了一種基于AF2的策略找到神秘的口袋烛恤。DL也被用于尋找蛋白質(zhì)中過渡金屬的潛在定位位點（Metal1D和Metal3D）∮嗟ⅲ基于共同進化的金屬網(wǎng)絡(luò)管道最近也被創(chuàng)建出來缚柏，用于預(yù)測潛在的金屬結(jié)合位點。

6.展望

酶催化是一個復(fù)雜的多維過程碟贾，需要最優(yōu)的序列和結(jié)構(gòu)來允許底物(s)結(jié)合币喧，催化化學(xué)步驟和產(chǎn)物(s)釋放，并優(yōu)化發(fā)展其功能所需的多重構(gòu)象袱耽。這種高度的復(fù)雜性使得酶設(shè)計的任務(wù)杀餐，特別是對非自然反應(yīng)或高效的底物非常具有挑戰(zhàn)性。這篇綜述中突出的例子顯示了DL技術(shù)在允許的序列空間生物約束范圍內(nèi)的情況下生成新的功能變體的潛力扛邑。DL策略在任何目標(biāo)反應(yīng)和非天然底物的計算酶設(shè)計中的應(yīng)用才剛剛起步怜浅。多年來，在計算酶設(shè)計中蔬崩，將所需的活性位點殘基合并到蛋白質(zhì)支架中缺乏精確性一直被認(rèn)為是整個過程的許多限制之一恶座。然而，這一點似乎可以用Baker實驗室最近開發(fā)的基于RosettaFold的擴散模型來解決沥阳。QM-based模型的酶活性網(wǎng)站到新的非天然支架專門設(shè)計的功能主題可能不再是限制因素跨琳，而是預(yù)測哪些支架可能更適合的優(yōu)化構(gòu)象集成有效催化最有可能是必不可少的⊥┖保考慮到巨大的進步特別是在結(jié)構(gòu)預(yù)測和蛋白質(zhì)設(shè)計領(lǐng)域近年來脉让，DL方法結(jié)合物理方法將發(fā)揮關(guān)鍵作用，未來幾年找到最優(yōu)解決方案的理性和常規(guī)設(shè)計高效和穩(wěn)定的酶非天然反應(yīng)和基質(zhì)功炮。

-------------------------------------------