NMR-guided directed evolution

NMR-guided directed evolution | Nature

 

Directed evolution 은 단백질에 새로운 기능을 부여하고, 기존의 특성을 개선시키는 데 있어서 강력한 도구임. 하지만 small protein 에서조차 directed evolution 의 potential 은 천문학적인 가능한 아미노산 종류 때문에 제한되어있다. 100개의 아미노산 잔기로 이루어진 단백질을 sampling 하는것은 20,100 개의 조합을 요구하고, 이는 실험적 방법으로는 어려운 수치이다. 실제로, 상대적으로 적은 수의 잔기를 수정하는 것은 이미 존재하는 단백질의 repurposing 이나 그의 효율적인 개선, 기능적인 개선에 충분하다. 더 나아가서, 그러한 mutation 들의 위치를 예측하는 전산학적인 방법이 많이 개발되었다. 더 중요하게는, 이러한 mutational hotspot 이나 productive mutation 을 예측하는 모든 현행 접근법들이 구조적 정보나, 생물정보학에 기초하고 있는데, 이러한 정보들은 우리가 관심으로 하는 모든 단백질들에 있어서 제공되지 않을 수도 있다는 문제점이 있다. 더 나아가, 이러한 변화는 효소의 촉매 특성을 현저하게 향상시킬 수 있음에도 불구하고 활성 부위에서 멀리 떨어진 유익한 돌연변이를 식별하기도 한다. 기계학습 방법론들은 최근 productive mutation 을 예측하는 데 좋은 결과들을 내 왔지만, 이러한 결과들은 directed evolution 방법을 사용하여 얻기에는 어렵다. 

 

이 논문에서 우리는 NMR spectroscopy 를 이용하여 효소 안에서 mutagenic hotspot 을 찾을 수 있음을 보인다. Proof-of-study 에서, 우리는 myoglobin 에서 단지 3개의 mutation 만 이용하여 highly efficient Kemp eliminase 로 만들었다. 이렇게 만들어진 효소 활성은 존재하는 방법보다 훨씬 높으며, 자연적인 효소들과 비슷하다. 이러한 실험적 단순성을 고려해볼 때, 우리는 이것이 directed enzyme evolution 의 완전한 잠재력을 가능하게 할 것으로 기대한다.