一种基于人工智能的酶改造方法与流程

本发明涉及人工智能，具体涉及一种基于人工智能的酶改造方法。

背景技术：

1、酶作为生物催化剂，在工业生产、环境治理、医疗健康等领域发挥着重要作用。酶的催化效率和特异性直接关系到相关产品的性能和应用范围。随着生物技术的发展，酶工程逐渐成为提高酶性能的关键技术。酶工程包括酶的定向进化、理性设计和计算模拟等方法，旨在通过改造酶的结构和功能，提高其稳定性、催化效率和底物适应性。

2、但是传统的酶改造方法主要依赖于实验试错或基于已知结构的理性设计。例如，定点突变技术通常需要通过大量的实验来验证不同突变位点的效果，这种方法耗时长且成本高。此外，基于已知结构的理性设计虽然能够在一定程度上减少实验次数，但由于蛋白质结构预测的准确性有限，往往难以达到预期效果。

技术实现思路

1、为了解决上述技术问题，本申请提供了一种基于人工智能的酶改造方法，以至少解决或缓解上述现有技术中存在的问题。

2、一种基于人工智能的酶改造方法，其包括：

3、获取糖基转移酶的序列，以对alphafold2模型进行训练得到糖基转移酶三级结构预测模型；

4、基于活性点位识别模型，对蛋白质和核酸序列数据库和非冗余蛋白质特征序列数据库进行多序列比对，得到比对结果，所述比对结果包括蛋白质和核酸序列数据库和非冗余蛋白质特征序列数据库中序列的保守位点和功能区段；

5、初始化一个与比对结果长度相等的矩阵，矩阵的行对应序列中氨基酸残基的位置，列对应不同的氨基酸类型；

6、遍历所述比对结果，统计每种氨基酸类型出现的频率，以对所述初始后的矩阵进行矩阵元初始化，以构建pssm矩阵；

7、根据所述pssm矩阵，进行pssm打分，以筛选出潜在突变位点；

8、根据筛选出的潜在突变位点，构建初始突变库；

9、对所述初始突变库进行空间限制筛选，以形成虚拟筛选突变库；

10、基于所述糖基转移酶三级结构预测模型对所述虚拟筛选突变库中的序列进行结构重建，以预测糖基转移酶三级结构；

11、对预测的糖基转移酶三级结构进行分子对接和动力学模拟，以分析其中蛋白与配体的结合口袋以及确定其中氨基酸残基与配体的动态相互作用、每个氨基酸残基与配体的接触数量；

12、根据所述蛋白与配体的结合口袋以及确定其中氨基酸残基与配体的动态相互作用、每个氨基酸残基与配体的接触数量，从所述虚拟筛选突变库中筛选出最优的突变点位，以对所述糖基转移酶三级结构进行改造。

13、本申请的方案中， 利用alphafold2模型进行糖基转移酶的三级结构预测，能够提供准确的结构信息，为后续的酶改造提供了坚实的基础。alphafold2在蛋白质结构预测领域已经证明了其卓越的能力，这使得本方法能够更精确地指导酶的设计与改造。再通过构建pssm并进行pssm打分，可以高效地筛选出潜在的突变位点。这种方法不仅考虑了氨基酸残基的保守性，还综合了不同氨基酸类型在特定位置上的出现频率，确保了筛选出的突变位点具有较高的潜在改造价值。接着，对初始突变库进行空间限制筛选，进一步排除了那些可能在三维结构上产生不利影响的突变位点，提高了最终筛选出的突变点位的实际应用价值。最后，通过对预测的糖基转移酶三级结构进行分子对接和动力学模拟，能够深入分析蛋白质与配体之间的结合口袋及其动态相互作用，为选择最优的突变点位提供了科学依据，从序列获取到最终的酶改造，形成了一套基于人工智能的流程，确保了每个步骤的科学性和合理性，提高了酶改造的成功率。

技术特征：

1.一种基于人工智能的酶改造方法，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述获取糖基转移酶的序列，以对alphafold2模型进行训练得到糖基转移酶三级结构预测模型包括：

3.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述基于活性点位识别模型包括蛋白质语言模型、多模态交叉注意模型、多序列比对模型，所述基于活性点位识别模型，对蛋白质和核酸序列数据库和非冗余蛋白质特征序列数据库进行多序列比对，得到比对结果，所述比对结果包括蛋白质和核酸序列数据库和非冗余蛋白质特征序列数据库中序列的保守位点和功能区段，包括：

4.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述初始化一个与比对结果长度相等的矩阵，矩阵的行对应序列中氨基酸残基的位置，列对应不同的氨基酸类型，包括：

5.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述遍历所述比对结果，统计每种氨基酸类型出现的频率，以对所述初始后的矩阵进行矩阵元初始化，以构建pssm矩阵，包括：

6.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述基于所述二维数组的列，统计每种氨基酸类型出现的频率，将所述频率作为氨基酸的得分并填充到对应氨基酸类型和对应氨基酸残基所在的矩阵元上，以构建pssm矩阵，包括：

7.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述根据所述pssm矩阵，进行pssm打分，以筛选出潜在突变位点，包括：

8.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述对所述初始突变库进行空间限制筛选，以形成虚拟筛选突变库，包括：

9.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述基于所述糖基转移酶三级结构预测模型对所述虚拟筛选突变库中的序列进行结构重建，以预测糖基转移酶三级结构，包括：

10.根据权利要求1所述的一种基于人工智能的酶改造方法，其特征在于，所述对预测的糖基转移酶三级结构进行分子对接和动力学模拟，以分析其中蛋白与配体的结合口袋以及确定其中氨基酸残基与配体的动态相互作用、每个氨基酸残基与配体的接触数量，包括：

技术总结
本申请提供一种基于人工智能的酶改造方法，包括：对AlphaFold2模型进行训练得到糖基转移酶三级结构预测模型；基于活性点位识别模型，对蛋白质和核酸序列数据库和非冗余蛋白质特征序列数据库进行多序列比对，得到比对结果；初始化一个与比对结果长度相等的矩阵，以构建PSSM矩阵以及筛选出潜在突变位点；根据筛选出的潜在突变位点，构建初始突变库以形成虚拟筛选突变库；基于糖基转移酶三级结构预测模型对虚拟筛选突变库中的序列进行结构重建，以预测糖基转移酶三级结构并对其进行分子对接和动力学模拟，以分析蛋白与配体的结合口袋以及确定其中氨基酸残基与配体的动态相互作用、每个氨基酸残基与配体的接触数量以对糖基转移酶三级结构进行改造。

技术研发人员：杜军,王霞,许俊瑞,何树彻
受保护的技术使用者：北京擎科生物科技股份有限公司
技术研发日：
技术公布日：2025/3/18