静冈县立大学的中野祥吾副教授和硕士1年级学生小泽洋树的研究团队发表研究成果称，开发了一种通过在计算机中虚拟进化蛋白质来设计高功能蛋白质的新方法“GAOptimizer法”。实验证实，将该方法应用于结构、序列和功能各不相同的3种蛋白质后，设计出的人工蛋白质与作为模板的天然来源蛋白质相比，具有更适合利用的优秀功能。此次的成果有望实现天然来源蛋白质的高功能化设计，并加速开发使用蛋白质的下一代生物材料。相关成果已刊登在《Cell Reports Physical Science》上。
另外，GAOptimizer可通过网页（https://zenodo.org/records/10208126）下载。
图1.GAOptimizer概要图。GAOptimizer把需要高功能化的蛋白质三维结构（模板结构）及其同源物1）蛋白质氨基酸序列作为输入数据，进行N代虚拟进化。进化后每一代的优秀结构将作为输出结果被保存下来。N的数量可由用户自由设定。（供图：静冈县立大学）
研究团队把需要改善功能的目标蛋白（模板结构）及其同源序列作为输入数据，找出改善功能的有用突变点，并利用遗传算法开发出了优化多点有用突变的组合以引入目标蛋白质的新蛋白质设计方法“GAOptimizer法”。
研究人员首先从30个父代结构中引入交叉重组突变（从父代结构中随机选择2个结构并将其交叉）或随机突变（从父代结构中选择1个结构并引入点突变），生成100个子代结构。其次，使用适应度函数计算出生成的子结构的得分数。适应度函数使用评估蛋白质结构稳定性的Rosetta评分（REU），以及其他不依赖于结构稳定性的评分。根据计算出的分值，选择适应度最好的子结构作为优秀结构，并保存为第n代的代表结构。此外，从生成的100个子代结构中随机选择5个结构，并选出其中适应度最好的子结构作为父代结构的候选结构。通过重复这一过程30次，从子结构中选出下一代（n+1代）的30个父代结构，使其完成一代的进化。重复这个计算N代，完成虚拟进化。
通过将适应度函数更改为REU以外的分数而虚拟进化得到的S-羟基腈裂解酶（S-HNL）与天然型HNL相比，生产量提高10倍以上、催化效率提高3倍以上、耐热性（Tm）提高约5度，更靠适合使用。
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
杂志：Cell Reports Physical Science
论文：Development of Evolutionary Algorithm-Based Protein Redesign Method
DOI：10.1016/j.xcrp.2023.101758
