पोस्ट-ट्रांस्लेशनल मॉडिफिकेशन एंजाइमों के सब्सट्रेट प्राथमिकताओं के सटीक मॉडल, mRNA डिस्प्ले और डीप लर्निंग के संयोजन से

प्रमिस्कस पोस्ट-ट्रांस्लेशनल मॉडिफिकेशन (PTM) एंजाइम अक्सर विविध लेकिन अच्छी तरह से परिभाषित पेप्टाइड्स और/या प्रोटीन सेटों पर कार्य करके अस्पष्ट सब्सट्रेट प्राथमिकताएँ प्रदर्शित करते हैं। PTM एंजाइमों के लिए सब्सट्रेट फिटनेस परिदृश्यों की समझ समकालीन विज्ञान के कई क्षेत्रों में महत्वपूर्ण है, जिसमें प्राकृतिक उत्पाद बायोसिंथेसिस, आणविक जीवविज्ञान और बायोटेक्नोलॉजी शामिल हैं। यहाँ, हम PTM एंजाइमों के लिए सब्सट्रेट प्राथमिकताओं के सटीक प्रोफाइलिंग के लिए एक एकीकृत प्लेटफॉर्म की रिपोर्ट करते हैं। प्लेटफॉर्म में (i) डेटा अधिग्रहण के लिए एक अल्ट्रा-हाई थ्रूपुट तकनीक के रूप में mRNA डिस्प्ले और अगली पीढ़ी के अनुक्रमण का संयोजन और (ii) डेटा विश्लेषण के लिए डीप लर्निंग शामिल है। परिणामी डीप लर्निंग मॉडलों की उच्च सटीकता (>0.99 दोनों अध्ययनों में) एंजाइमेटिक सब्सट्रेट प्राथमिकताओं के व्यापक विश्लेषण को सक्षम बनाती है। मॉडल अनुक्रम स्थान के पार फिटनेस को मात्रात्मक बना सकते हैं, संशोधन स्थलों को मैप कर सकते हैं, और सब्सट्रेट में महत्वपूर्ण अमीनो एसिड की पहचान कर सकते हैं। प्लेटफॉर्म की बेंचमार्किंग के लिए, हमने एक सेर डिहाइड्रेटेज (LazBF) और एक सिस/सेर साइक्लोडिहाइड्रेटेज (LazDEF) का प्रोफाइलिंग किया, जो लैक्टाज़ोल बायोसिंथेसिस पथ से दो एंजाइम हैं। दोनों अध्ययनों में, हमारे परिणाम जटिल एंजाइमेटिक प्राथमिकताओं की ओर इशारा करते हैं, जो विशेष रूप से LazBF के लिए, सरल नियमों के सेट में घटित नहीं किए जा सकते। ऐसे जटिलता को परखने की क्षमता के साथ निर्मित मॉडलों ने सुझाव दिया है कि विकसित प्लेटफॉर्म PTM एंजाइमों के व्यापक अध्ययन को सुविधाजनक बना सकता है।