《Applied and Environmental Microbiology》:Rational selection of ketopantoate hydroxymethyltransferase with low product feedback inhibition based on binding free energy calculation analysis
编辑推荐:
微生物合成泛酸(d-PA)受到关键酶酮泛解酸羟甲基转移酶(KPHMT)的反馈抑制和低活性的严重限制。为克服这一问题,研究人员建立了基于计算预测的理性酶挖掘策略。通过序列保守性分析、分子动力学模拟和结合自由能(ΔG)计算,研究人员选择了五个代表性天然KPHMT酶
微生物合成泛酸(d-PA)受到关键酶酮泛解酸羟甲基转移酶(KPHMT)的反馈抑制和低活性的严重限制。为克服这一问题,研究人员建立了基于计算预测的理性酶挖掘策略。通过序列保守性分析、分子动力学模拟和结合自由能(ΔG)计算,研究人员选择了五个代表性天然KPHMT酶进行实验验证:来自大肠杆菌(Escherichia coli)的EcKPHMT,来自谷氨酸棒杆菌(Corynebacterium glutamicum)的CgKPHMT,来自红树林植物共生杆菌(Mangrovibacter plantisponsor)的MpKPHMT,来自太平洋肠弧菌(Enterovibrio pacificus)的EpKPHMT,以及来自枯草芽孢杆菌(Bacillus subtilis)的BsKPHMT。EpKPHMT和BsKPHMT的活性分别达到EcKPHMT的4.25倍和4.60倍,同时缓解了泛解酸的反馈抑制(半抑制浓度(IC50):14.07和19.86 mM vs. 1.08 mM),并且几乎不受d-PA抑制。表达BsKPHMT的菌株在摇瓶中使d-PA和泛解酸的效价分别提高了74.30%(3.12 g/L)和140.0%(0.84 g/L),并在5 L生物反应器中将d-PA产量进一步提高了55.4%。该工作建立了一个基于计算机预测的挖掘优异酶的预测框架,为高价值化学品的代谢工程提供了有价值的策略。重要性:工业规模的泛酸(d-PA)生物合成常受限于其关键生物合成酶酮泛解酸羟甲基转移酶(KPHMT)的严格反馈抑制。本研究描述了一种计算机策略,用于挖掘和选择具有减弱反馈抑制的天然KPHMT,为代谢应用提供了优越的遗传元件。该方法为挖掘无别构调控的酶提供了一个新颖且理性的框架,成功递送了两种高效生物催化剂,BsKPHMT和EpKPHMT。这些生物催化剂展现出直接的工业应用潜力,为增强泛解酸和d-PA的生产提供了直接解决方案。总体而言,该集成方法展示了从基础发现到实际应用的有效转化,为克服类似代谢瓶颈提供了可推广的模型。
泛酸(d-PA),又称维生素B
5,是辅酶A(CoA)和酰基载体蛋白(ACP)的关键前体,在动物饲料、医药添加剂和功能性食品中广泛应用。传统化学合成依赖危险试剂且产生有毒废物,而微生物合成因条件温和、环境友好而更具吸引力。d-PA的生物合成经过三步酶级联反应,其中第一步由酮泛解酸羟甲基转移酶(KPHMT,EC 2.1.2.11)催化,将α-酮异戊酸(α-KIVA)和5,10-亚甲基四氢叶酸(5,10-CH
2-THF)缩合为酮泛解酸。该酶是限速步骤,但受到代谢终产物d-PA和泛解酸的强烈反馈抑制。尽管代谢工程和蛋白质工程已尝试提高KPHMT表达或活性,但直接针对缓解别构约束的策略仍明显不足。为此,研究人员开展本研究,旨在通过计算预测挖掘天然反馈抑制减弱的KPHMT同源物,以突破d-PA工业生产的瓶颈。该论文发表在《Applied and Environmental Microbiology》。
研究人员主要采用以下关键技术方法:从NCBI数据库中进行同源序列挖掘与系统发育分析(邻接法构建进化树);通过序列保守性分析识别保守区域;利用AlphaFold2预测同源物三维结构;使用GROMACS进行分子动力学模拟(50 ns)并计算结合自由能(ΔG)以预测反馈抑制敏感性;通过酶学表征(包括全细胞和纯酶活性测定、动力学参数、温度pH优化、金属离子依赖性)验证预测结果;在摇瓶和5 L生物反应器中进行发酵验证。样本队列来源包括大肠杆菌E. coli W3110、谷氨酸棒杆菌C. glutamicum ATCC 13032以及工程菌株E. coli DPA11A和DPA11A/ΔpanC。
研究结果如下:
**KPHMT基因的挖掘与筛选**:以EcKPHMT为探针,检索到65个同源序列,按序列相似性分为高、中、低三组(>70%、50%–70%、<50%)。通过多重序列比对,识别出四个高度保守区域(LVGDS、HLGLTPQS、IPVIGIGAG、DGQILVMHD)。结合全局序列相似性、保守区域相似性和系统发育关系,初步选出12个候选KPHMT。进一步通过分子动力学模拟和结合自由能(ΔG)计算,预测不同KPHMT与抑制剂(泛解酸和d-PA)的结合强度,发现静电相互作用(ΔG
elec)是主要贡献因素。基于ΔG
elec值,选择两个最负值(EcKPHMT、CgKPHMT,预测强抑制)、两个最正值(BsKPHMT、EpKPHMT,预测弱抑制)和一个中间值(MpKPHMT)共5个代表进行实验验证。
**选定KPHMT的酶学表征与反馈抑制图谱**:全细胞活性测定显示,EcKPHMT和CgKPHMT活性较低(62.99和78.74 U g
-1 DCW),而MpKPHMT、EpKPHMT和BsKPHMT活性显著提高(245.66、267.71和289.75 U g
-1 DCW),BsKPHMT活性为EcKPHMT的4.60倍。反馈抑制实验表明,10 mM泛解酸存在下,EcKPHMT和CgKPHMT活性仅保留16.45%和22.70%,而BsKPHMT和EpKPHMT分别保留97.59%和88.01%;70 mM d-PA存在下,敏感酶保留约56%–58%,抗性酶保留约89%–93%。纯酶IC
50测定进一步证实:对于泛解酸,EcKPHMT和CgKPHMT的IC
50分别为1.08 mM和1.61 mM,而EpKPHMT和BsKPHMT为14.07 mM和19.86 mM(分别提高13倍和18倍);对于d-PA,敏感酶IC
50为28.70–32.56 mM,而抗性酶几乎不受抑制。结构分析揭示,抗性酶中第85位残基(Met取代Leu)和周围残基的改变增加了关键残基(D84和E181)与抑制剂的距离,破坏了氢键网络,降低了静电结合亲和力(ΔG
elec),从而缓解反馈抑制。
**不同来源KPHMT的酶学特性表征**:动力学参数显示,BsKPHMT和EpKPHMT的V
max(18.98和17.87 U/mg)显著高于EcKPHMT(7.85 U/mg),催化效率(K
cat/K
m)分别为3.01和2.97 s
-1·mg
-1(EcKPHMT为0.