Opis projektu
Przewidywanie mutacji korzystnych dla aktywności enzymów
Enzymy są doskonałymi katalizatorami, które znacznie przyspieszają tempo złożonych reakcji chemicznych w warunkach fizjologicznych. Poznanie sposobu wytwarzania enzymów w celu zmaksymalizowania ich funkcji przyniesie korzyści zarówno w dziedzinie medycyny, jak i biotechnologii. W ramach finansowanego ze środków UE projektu DeepZyme proponowane jest zajęcie się tym zagadnieniem przy użyciu modelu, który umożliwia przewidywanie skutków modyfikacji enzymów, takich jak mutacje. Model ten wykorzysta techniki głębokiego uczenia maszynowego do oceny informacji na temat sekwencji enzymów, ich struktury i aktywności katalitycznej. Poprzez wykorzystanie siły presji selekcyjnej wywieranej na enzymy podczas ewolucji projekt ma na celu dostrojenie właściwości ważnych enzymów.
Cel
During the course of evolution nature has created and optimized extraordinary protein catalysts, named enzymes, that are fundamental in all reigns of life. Enzymes facilitate complex chemical reactions at physiological conditions, accelerating their rates by several orders of magnitude and being highly selective over alternative –undesired– chemical transformations. Understanding how enzymes work and how to engineer their functions is essential for many disciplines, with applications ranging from medical therapies to biotechnological devices. The main challenge towards the rational control of enzymes is that given their complexity, it is not trivial to predict modifications –known as mutations– that are beneficial for their activity.
The DeepZyme project aims to develop a model for the prediction of such modifications, taking advantage of revolutionary techniques in the field of deep learning. We propose to obtain condensed “representations” of enzymes by leveraging their sequence, structure and catalytic information. These representations can be suitably designed to describe enzymatic information that is available in nature, and learn how enzymes have been tuned by selection pressures along evolution. Navigating in the space of enzyme representations will allow us to finely tune their properties, and thereby guide a rational design process. Our model will be used together with other state-of-the-art techniques (including molecular dynamics, Markov state models and quantum mechanics / molecular mechanics) to generate from scratch an enzyme able to catalyze chemical reactions along the synthesis of drug-like molecules.
Dziedzina nauki
- natural sciencesphysical sciencesquantum physics
- natural sciencesbiological sciencesgeneticsmutation
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural scienceschemical sciencescatalysis
- natural sciencesbiological sciencesbiochemistrybiomoleculesproteinsenzymes
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
14195 Berlin
Niemcy