Chemical Engineering Journal | AI赋能酶挖掘,定量合成生物学全国重点实验室实现磺基酪氨酸高效胞内合成
人工智能正在为酶发现和蛋白质工程提供新的研究范式。然而,如何将模型预测真正转化为实验中可验证的高性能酶,并进一步服务于非天然代谢途径的构建,仍是AI辅助生物工程面临的挑战。在合成生物学中,当需要为一条从头设计(de novo)的途径寻找合适的催化元件时,面对庞大的候选酶库和有限的实验通量,如何高效、低成本地锁定潜力目标,是制约天然与非天然产物生物合成及智能制造的瓶颈所在。 非天然氨基酸(noncanonical amino acid, ncAA)及遗传密码扩展(Genetic Code Expansion, GCE)技术的应用,为抗体药物偶联、蛋白质功能调控、蛋白质-蛋白质相互作用解析以及新型生物制剂开发开辟了新的可能。然而,绝大多数ncAA仍依赖外源化学合成与添加,限制了GCE在规模化生产和高通量筛选中的应用。在宿主细胞内自主合成ncAA面临一个障碍:ncAA的合成途径通常是“非天然”的,其中最关键的一步往往缺乏已知的高效生物催化剂。以磺基酪氨酸(sulfotyrosine, sTyr)为例,它作为一种重要的带有磺酸基团的非天然氨基酸,在凝血、免疫及细胞信号调控中具有关键作用...
2026-09-01