《Resources, Conservation and Recycling》:Machine learning-driven recombinant xylanase synergized with Pediococcus pentosaceus: directed xylose-lactate conversion and metabolic mechanism of lignocellulosic waste
编辑推荐:
Jiajin Sun|Yujuan Zhang|Luyao Zhang|Chen Shen|Yitong Lin|Rong Zhao|Lei Chen|Qiang Liu|Cong Wang|Wenjie Huo|Gang Guo中国山西省太谷县山西农业大学动物科学学院,邮编03
Jiajin Sun|Yujuan Zhang|Luyao Zhang|Chen Shen|Yitong Lin|Rong Zhao|Lei Chen|Qiang Liu|Cong Wang|Wenjie Huo|Gang Guo
中国山西省太谷县山西农业大学动物科学学院,邮编030800
摘要
低效的酶与微生物协同作用阻碍了木质纤维素废物的价值转化。本研究构建了一个集成系统,采用机器学习驱动的工作流程,结合CatPred进行动力学预测,以及ESMFold-AlphaFold2进行三维结构优化,从而设计出一种具有更高结合亲和力(-9.30 kcal/mol)的木聚糖酶变体。该重组酶的催化效率提升了8.67倍,使木糖的释放量从0.35 g/L上升至3.37 g/L。通过与五糖乳球菌结合,形成了一个用于苜蓿废物的双路径转化系统。仅通过酶处理时,每千克干物质可产生1.43克木糖,而该协同系统则使乳酸产量提高了55.7%(达到每千克干物质54.96克),半纤维素含量减少了68.68%,粗蛋白含量增加了25.42%。该协同发酵体系还增强了五糖乳球菌的优势地位(62.07%),并上调了与木糖代谢和乳酸合成相关的关键基因。技术经济分析表明,该系统的经济收益提升了2.3倍,为可持续的木质纤维素生物精炼提供了可行的方案。
引言
在木质纤维素废物的厌氧生物精炼过程中,酶与微生物之间的底物不匹配问题已成为限制发酵效率的关键瓶颈(Long等人,2025年)。在天然的木质纤维素结构中,半纤维素(主要是木聚糖)与纤维素和木质素形成紧密交联的空间网络。这种复杂的结构不仅降低了酶接触底物的能力,还妨碍了微生物有效利用酶解产生的小分子糖类(Long等人,2025年)。此外,传统的酶制剂催化活性和底物结合特异性不足,而微生物对发酵环境的适应性也很差(Shen等人,2024年)。尽管已有研究尝试将木聚糖酶与乳酸菌结合使用(Russo等人,2024年),但酶解产物与微生物代谢偏好之间的匹配仍依赖随机筛选,缺乏基于结构预测和动力学模拟的精确设计。这就导致了木糖释放与乳酸合成之间的协同作用效率低下,碳转化效率通常低于50%(Chang等人,2025年),这成为了制约其工业化应用的关键因素。
木聚糖酶是降解半纤维素的关键酶(Guo等人,2020年),它的催化活性和底物结合能力直接决定了木糖释放的效率,因此成为调控酶与微生物协同代谢的核心目标(Boonchuay等人,2014年)。在木质纤维素生物精炼过程中,酶解和发酵步骤的成本仍然非常高;仅酶的成本就可能占整个工艺成本的25%(Dixit等人,2023年),而直接使用精制糖作为发酵底物则会使糖的成本占乳酸总生产成本的40%到70%(Huang等人,2023年)。传统的酶筛选和工程化方法,如随机突变或理性设计,存在筛选周期长、目标不明确以及难以同时优化酶的活性和稳定性等缺点(Song等人,2023年)。相比之下,机器学习技术可以通过分析结构-活性关系,实现对具有最佳催化特性的酶的高通量筛选(Yang等人,2024年)。与单一模型预测不同,本研究开发了一种串联的机器学习工作流程,结合CatPred进行动力学预测,以及ESMFold-AlphaFold2进行三维结构优化,从而实现对木聚糖酶的精准筛选和改造。在机器学习预测的基础上,再结合基因编辑技术,如定点突变和结构域重组,可以进一步优化酶的活性位点构象,提高其底物结合能力和环境稳定性。这有助于精准构建工程菌株,实现高效、绿色地生产高性能木聚糖酶(McCarty等人,2020年)。同时,高效的酶开发还需要与功能兼容的微生物相结合,以实现水解产物的定向转化。关键词共现网络分析表明,微生物发酵生产乳酸是一种很有前景的策略。已有研究报道了一些能够发酵木糖的微生物,这些微生物可通过糖酵解将木糖转化为丙酮酸,进而生成乳酸(Iglesias-Riobó等人,2024年)。例如,Mohamed Ali Abdel-Rahman等人利用Enterococcus mundtii QU 25在细胞循环连续发酵系统中实现了高效的同乳酸发酵,产生了高浓度、高产量和高效率的乳酸(Abdel-Rahman等人,2016年)。此外,还有三种乳酸菌株(干酪乳杆菌、短乳杆菌和五糖乳球菌)被证实能够利用未被充分利用的木质纤维素底物生产乳酸(Russo等人,2024年)。其中,五糖乳球菌是一种兼性厌氧乳酸菌,它具有耐酸性强、代谢速度快以及能高效利用木糖合成乳酸等优点。它与木聚糖酶的协同作用在构建高效的木糖到乳酸转化途径方面具有巨大潜力。
木质纤维素废物来源于农业废弃物(如苜蓿和玉米)、林业加工废弃物以及城市固体废弃物(Hu等人,2018年;Tang等人,2025年)。它具有来源广泛、成本低廉且碳中性等优势,在生物能源、食品添加剂以及生物基材料等领域具有很高的应用价值(Li等人,2019年;Mou等人,2024年;Zhu等人,2025年)。它是减少对化石资源依赖、推动双碳目标实现的重要战略资源(Ariaeenejad等人,2019年)。根据Grabber等人的研究,牧草(尤其是广泛种植且会产生大量木质纤维素废物的苜蓿)的主要成分是39%的纤维素、29%的半纤维素以及28%的木质素(Grabber等人,2002年)。其中的纤维素和半纤维素可以通过生化手段转化为木糖和乳酸等高价值的平台化学品,这些产品在化学工程领域受到了广泛关注(Chen等人,2025年;Cheng等人,2023年;Guo等人,2020年)。木糖和乳酸在食品和生物医药领域都有广泛应用,而且两者之间存在相互转化的关系。通过微生物发酵,木糖可以进一步转化为乳酸,这为多样化生产乳酸提供了潜在途径(Nagarajan等人,2022年;Wu等人,2025年)。然而,工业生产过程会产生呋喃衍生物等抑制性副产品,这些副产品会降低后续的生物转化效率15%到20%(Shan等人,2023年)。
为了解决这一问题,我们的研究聚焦于木质纤维素废物厌氧发酵过程中酶与微生物底物协同作用不足这一核心问题。我们提出构建一个由机器学习辅助筛选的集成酶与微生物系统。首先,利用机器学习技术筛选出具有最佳底物结合能力的木聚糖酶突变体,然后通过工程化方法表达并纯化这些突变体,以提高木糖的产量。其次,将高效木聚糖酶与五糖乳球菌结合,构建一个双路径转化系统,从而实现苜蓿木质纤维素废物中半纤维素的定向利用以及乳酸的合成。最后,通过微生物群落分析、代谢物分析以及技术经济评估,系统地阐明酶与微生物之间的协同机制,以验证该系统的技术可行性和商业潜力。本研究旨在为木质纤维素的高效生物转化提供新的技术范式和理论基础,推动木质纤维素废物资源利用的产业化发展。
章节摘录
材料与方法
实验1:基于机器学习的木聚糖酶筛选、结构预测及功能研究
基于机器学习的木聚糖酶筛选及分子对接分析
借助人工智能技术解析复杂的序列-结构-活性关系,可以预测酶的关键功能。我们通过NCBI和UniProt数据库从52个不同的属中找到了木聚糖酶候选序列。以具有代表性的同源序列为依据,我们对这些候选酶进行了系统发育分析,并构建了一个数据集,该数据集中的木聚糖酶变体均匀分布在18个独立的簇中(图1A)。为了全面评估这些酶的催化潜力
结论
本研究成功构建了一个基于重组木聚糖酶的双路径生物精炼系统,通过创新的单酶水解和酶与细菌协同策略,实现了对废弃苜蓿木质部的高效价值转化。研究结果表明,单独使用工程化的木聚糖酶就能实现经济的木糖生产途径(每千克干物质1.43克),而将其与五糖乳球菌结合使用,则能显著提高乳酸的产量,达到每千克干物质54.96克。机制研究显示
CRediT作者贡献说明
Jiajin Sun:写作——审稿与编辑,写作——初稿撰写,可视化,软件应用,方法学,研究实施,数据整理,概念构建。Yujuan Zhang:方法学。Luyao Zhang:方法学。Chen Shen:方法学。Yitong Lin:监督,项目管理。Rong Zhao:可视化。Lei Chen:写作——审稿与编辑。Qiang Liu:写作——审稿与编辑。Cong Wang:写作——审稿与编辑。Wenjie Huo:写作——审稿与编辑,监督。Gang Guo:写作——
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了现代农业产业技术研究体系专项基金(编号:2025CYJSTX1308)以及国家自然科学基金(编号:32001405)的支持。