深度学习驱动的酶工程优化巴斯德毕赤酵母平台实现诺卡酮高效可持续生物合成

《BioFactors》：Deep Learning-Driven Enzyme Engineering in Pichia pastoris: A Sustainable Platform for High-Yield Nootkatone Biosynthesis

本研究针对微生物合成诺卡酮（nootkatone）过程中代谢与酶效率低下的瓶颈问题，来自国内的研究团队通过整合代谢工程与深度学习引导的酶设计策略，在巴斯德毕赤酵母中构建了高效合成体系。经代谢通路优化及深度学习模型DLKcat虚拟筛选获得高活性P450变体H54A，结合间歇补料发酵将产量提升至3365.36 mg/L，创当前最高纪录，为高价值萜类生物合成提供了绿色高效的机器学习赋能范式。

　　

深度学习技术驱动的酶工程改造为巴斯德毕赤酵母(Pichia pastoris)平台赋能，实现了诺卡酮(nootkatone)——一种具有广泛生物活性和应用潜力的高价值倍半萜——的高效生物合成。针对微生物合成中存在的代谢与酶催化效率限制，研究团队通过系统改造甲羟戊酸(mevalonate)通路、优化辅因子供应并减少竞争性代谢途径，成功构建出可产702.15 mg/L缬草烯(valencene)的工程化菌株。为提升缬草烯向诺卡酮的转化效率，研究者采用祖先序列重建(ASR)技术鉴定关键氨基酸残基，并利用深度学习模型DLKcat对突变体文库进行虚拟饱和突变筛选，精准预测酶转换数(k_cat)。最终获得的细胞色素P450(HPO)变体H54A催化活性达到初始酶的2.3倍。结合间歇补料发酵工艺，诺卡酮产量显著提升至3365.36 mg/L，创下迄今最高纪录。该研究不仅为高价值诺卡酮的可持续生产提供了绿色解决方案，更彰显了机器学习在优化代谢途径酶功能、推动微生物体系生物活性萜类高效合成方面的巨大潜力。