电话
您的姓名 *
您的公司名称 *
您的电话号码 *
您的电子邮箱 *
需要 *
感兴趣方向 *
留言 *
验证码 *
返回
资讯动态
资讯动态
资讯动态
NeoTrident News
资讯动态
案例 | 关键酶催化效率提升63倍!MaXFlow虚拟突变设计赋能纳他霉素产量飙升43%
来源:分子模拟与人工智能平台

在工业生物合成领域,对关键酶进行理性设计是提升目标产物合成效率的核心策略。传统定向进化方法存在工作量大、盲目性高等问题,而基于计算的虚拟筛选正逐步成为酶功能优化的重要突破口。

山东第一医科大学的研究团队在《Frontiers in Microbiology》上发表最新研究成果,利用MaXFlow平台的虚拟饱和突变技术,对纳他霉素生物合成途径中的关键酶——NadDsg(烟酸单核苷酸(NaMN)/烟酰胺单核苷酸(NMN))进行多位点组合改造,最终实现纳他霉素产量43.1% 的提升 [1]


靶点选择

NadDsg在NAD(P)代谢中的限速作用

NadDsg是NAD(P)合成途径中的关键酶,其催化效率直接影响细胞内NAD(P)辅酶水平,进而调控纳他霉素的合成通量。野生型NadDsg对底物NMN的催化效率(Kcat/Km)仅为1.75 mM⁻¹s⁻¹,底物选择性(NMN/NaMN)为1.49,表明其底物识别能力有限,成为纳他霉素生物合成中的主要代谢瓶颈。


虚拟筛选

MaXFlow实现关键位点的系统性识别

研究团队采用MaXFlow虚拟饱和突变模块,针对NadDsg底物结合口袋中17个关键氨基酸残基进行系统性突变分析,共生成338个虚拟突变体。通过计算每个突变体与NMN的结合自由能变(ΔG),筛选出25个结合能力显著增强(ΔG < 0) 的候选突变体,大幅提升了筛选效率与针对性。


1764042766118438Enrt.png

图 NadDsg 突变旨在增强其对 NMN 的偏好性。(A、B) NadDsg 单点突变
 (A) 和组合突变
(B) 的吉布斯自由能变(ΔG)。

(C) 野生型(WT)NadDsg 及其 RYKK/N/R 突变体的静电势特征。基酸残基以蓝色棍状模型表示。


突变体构建

从单点优化到组合效应

1. 单点突变体筛选
在MaXFlow筛选出的高潜力突变中,位于保守结构域内的
S168K突变效果最为显著,结合自由能变达–28.12 kcal/mol。其余包括S168R、G17R、H26K、S168N、D20Y等在内的多个单点突变也显示出良好的结合改善能力。

2. 组合突变体构建
为进一步提升酶学性能,研究团队将G17R、D20Y、H26K与S168位点的三种突变(S168R/S168K/S168N)进行组合,构建出RYKR、RYKK、RYKN三种组合突变体。其中,
RYKK(G17R+D20Y+H26K+S168K) 表现出最优的催化特性与底物选择性,催化效率提升62.96倍,底物选择性提升55.23倍。

表:NadDsg突变体结合自由能与酶学参数汇总


1764042897729146yeQc.png


发酵验证

突变体性能转化为产量提升

在发酵水平上,表达NadDsg-RYKK的工程菌株在添加10 mg/L NMN的条件下,纳他霉素产量达到6.68 g/L,较野生型菌株(4.67 g/L)提升43.04%。该结果证实了MaXFlow虚拟筛选所得突变体的高效性与工程可行性。

总结与展望

该研究通过MaXFlow平台实现了对NadDsg酶的快速、精准设计与性能优化,显著强化了NAD(P)代谢能力,成功推动纳他霉素产量大幅提升。该策略不仅为纳他霉素的工业发酵提供了高效菌株构建方案,也为其他微生物次级代谢产物的酶工程改造提供了可复制的技术路径。随着酶计算设计工具的不断升级,数据驱动的理性设计将在合成生物学与工业生物技术中发挥愈加关键的作用。

[1] Meng Z, Yu M, Wang J, Li H, Gao W, Yang P, Cui X, Zhang P, Fu J, Cao G, Zong G. Abundant organic nitrogen enhances natamycin biosynthesis by increasing NAD(P) metabolic pathway activity in Streptomyces gilvosporeus F607. Front Microbiol. 2025 Oct 27;16:1684019.

分子模拟与人工智能平台

MaXFlow是创腾科技自主研发的新一代分子模拟和人工智能平台,适用于药物和材料的设计与研发。服务对象为实验科学家,同时也为分子模拟和AI专家提供强大的工具与支持,致力于帮助科学家在创新发现和工艺研发等领域中取得更快进展。平台采用浏览器-服务器(Browser-Server)架构,利用大数据和AI,整合分子模拟技术,旨在推动研发模式从传统的实验和理论驱动,转向数据和智能模型的驱动方式,从而有效提高研发效率,加快产品走向市场。

●   所见即所得,轻松构建3D模型

●   通过组件和工作流技术,提高建模效率

●   结合SDH科学数据基因组平台,提高数据获取效率

●   开放环境对各类算法进行集成和封装

   降低AI模型使用门槛,模型与实验的结合更紧密

   加快研发速度,降低研发成本

●   模型共享,专家经验与知识沉淀固化


图片

生物&制药

图片

新能源

图片

化学化工

图片

航空航天

图片

军工国防

图片

新材料