进化尺度酶学揭示腺苷酸激酶催化景观的崎岖性与多路径演化

《SCIENCE》：Evolutionary-scale enzymology enables exploration of a rugged catalytic landscape

为解析酶序列-催化功能的全局关系，研究人员利用高通量微流控技术（HT-MEK）系统测定近200种腺苷酸激酶（ADK）直系同源体的动力学参数（k cat 、K M ），发现催化活性差异达千倍且与温度适应性无必然关联，机器学习模型结合实验数据显著提升催化参数预测能力，为酶工程与进化研究提供新范式。

　　

这项研究通过进化尺度的酶学分析，揭示了腺苷酸激酶（adenylate kinase, ADK）家族令人惊异的催化多样性。科研团队采用高通量微流控平台（HT-MEK）对跨越细菌和古菌谱系的近200个ADK直系同源体进行系统检测，精确测量了米氏常数（K
_M
）、催化常数（k
_cat
）等关键参数。数据表明，尽管这些酶拥有保守的活性位点和相似预测结构，其k
_cat
值却存在高达1000倍的差异——就像一座布满陡峭山峰和深邃峡谷的"催化景观"。

有趣的是，传统认知中"嗜热酶催化速率普遍较低"的假说被颠覆：研究发现高温环境适应的ADK并不必然牺牲催化活性。通过结构域交换和点突变实验，团队证实这种崎岖的催化景观仍可通过路径依赖机制实现长程演化导航。蛋白语言模型分析显示，现有AI虽能准确捕捉结构特征，却难以预测催化活性分布。

该研究开创性地将实验酶学与机器学习结合，不仅为理解酶进化提供了新视角，更指明未来需通过实验数据标注来完善AI预测模型。这些发现对理性设计工业用酶、探索生命极限环境适应性具有重要启示，如同为绘制蛋白质功能宇宙的"星图"迈出了关键一步。