How mutational epistasis impairs predictability in protein evolution and design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There has been much debate about the extent to which mutational epistasis, that is, the dependence of the outcome of a mutation on the genetic background, constrains evolutionary trajectories. The degree of unpredictability introduced by epistasis, due to the non-additivity of functional effects, strongly hinders the strategies developed in protein design and engineering. While many studies have addressed this issue through systematic characterization of evolutionary trajectories within individual enzymes, the field lacks a consensus view on this matter. In this work, we performed a comprehensive analysis of epistasis by analyzing the mutational effects from nine adaptive trajectories toward new enzymatic functions. We quantified epistasis by comparing the effect of mutations occurring between two genetic backgrounds: the starting enzyme (for example, wild type) and the intermediate variant on which the mutation occurred during the trajectory. We found that most trajectories exhibit positive epistasis, in which the mutational effect is more beneficial when it occurs later in the evolutionary trajectory. Approximately half (49%) of functional mutations were neutral or negative on the wild-type background, but became beneficial at a later stage in the trajectory, indicating that these functional mutations were not predictable from the initial starting point. While some cases of strong epistasis were associated with direct interaction between residues, many others were caused by long-range indirect interactions between mutations. Our work highlights the prevalence of epistasis in enzyme adaptive evolution, in particular positive epistasis, and suggests the necessity of incorporating mutational epistasis in protein engineering and design to create highly efficient catalysts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle