미생물 성장 온도 및 효소 촉매 최적 예측을 위한 머신 러닝 적용

고온에서 화학 반응을 촉매하는 효소는 산업 바이오 촉매작용, 분자 생물학 응용, 그리고 단백질 공학을 위한 고도로 진화 가능한 출발점으로 사용됩니다. 유기체의 최적 성장 온도(OGT)는 유전체에 암호화된 효소의 안정성을 추정하는 데 일반적으로 사용되지만, 실험적으로 결정된 OGT 값은 특히 고온성 유기체에 대해 제한적입니다. 여기에서는 박테리아, 고세균 및 미생물 진핵생물의 프로테옴 전역 2-mer 아미노산 조성에서 OGT를 정확하게 예측할 수 있는 머신 러닝 모델의 개발에 대해 보고합니다. 훈련된 모델은 재사용을 위해 무료로 제공됩니다. 다음 단계로, 우리는 개별 효소의 아미노산 조성과 OGT 데이터를 결합하여 효소 촉매 온도 최적(Topt) 예측을 위한 두 번째 머신 러닝 모델을 개발합니다. 결과 모델은 OGT만 사용하는 것보다 훨씬 우수한 효소 Topt 추정값을 생성합니다. 마지막으로, 우리는 6.5백만 개의 효소에 대한 Topt를 예측하고, 4447개의 효소 클래스를 포함한 결과 데이터 세트를 연구자들에게 제공합니다. 이 작업은 극단적인 온도에서 잠재적으로 기능할 수 있는 효소를 간단하고 신속하게 식별할 수 있게 합니다.