Dissecting the evolvability landscape of the CalB active site toward aromatic substrates
Notice bibliographique
Résumé
A key event in the directed evolution of enzymes is the systematic use of mutagenesis and selection, a process that can give rise to mutant libraries containing millions of protein variants. To this day, the functional analysis and identification of active variants among such high numbers of mutational possibilities is not a trivial task. Here, we describe a combinatorial semi-rational approach to partly overcome this challenge and help design smaller and smarter mutant libraries. By adapting a liquid medium transesterification assay in organic solvent conditions with a combination of virtual docking, iterative saturation mutagenesis, and residue interaction network (RIN) analysis, we engineered lipase B from P. antarctica (CalB) to improve enzyme recognition and activity against the bulky aromatic substrates and flavoring agents methyl cinnamate and methyl salicylate. Substrate-imprinted docking was used to target active-site positions involved in enzyme-substrate and enzyme-product complexes, in addition to identifying 'hot spots' most likely to yield active variants. This iterative semi-rational design strategy allowed selection of CalB variants exhibiting increased activity in just two rounds of site-saturation mutagenesis. Beneficial replacements were observed by screening only 0.308% of the theoretical library size, illustrating how semi-rational approaches with targeted diversity can quickly facilitate the discovery of improved activity variants relevant to a number of biotechnological applications.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».