Veri tabanlı makine öğrenme yaklaşımlarıyla asidik ve alkali alfa/beta hidrolaz enzimlerinin ayrımı

Alfa/beta-hidrolazlar, hem hücresel metabolizmada hem de endüstriyel biyoteknolojide önemli katalizörler olan lipazlar, esterazlar, karboksil esterazlar ve amidazları içeren geniş ve çok yönlü bir enzim süper ailesini oluşturur. Benzer bir α/β katlanma yapısına ve katalitik üçlüye sahip olmalarına rağmen, bu ailenin üyeleri genellikle çok düşük dizi benzerliği gösterir; bu da onları yalnızca dizi benzerliğine dayanarak sınıflandırmayı zorlaştırır. Bu zorluk, çok asidik veya alkali ortamlarda hayatta kalmak ve işlev görmek üzere adapte olmuş ekstremofil hidrolazlarda daha da artar. Bu çalışmada, makine öğrenmesi yaklaşımını kullanarak asidofilik ve alkalifilik mikroorganizmalardan kaynaklanan α/β-hidrolaz enzimlerini sınıflandırmayı amaçladık. Toplam 403 bakteri enzimi, ikincil yapı bilgisine dayanmaksızın, amino asit bileşimi ve fiziko-kimyasal özelliklerine göre analiz edildi. Karar Ağacı, Rastgele Orman, eXtreme Gradient Boosting ve Destek Vektör Makinesi dahil olmak üzere çeşitli denetimli öğrenme modelleri test edildi. Bunlar arasında, Rastgele Orman modeli en yüksek performansı göstererek %76 doğruluk oranına ve 0,90 ± 0,03 AUC değerine ulaştı. Alanin, lizin ve hidropatiliğin genel ortalaması (GRAVY), asidik ve alkali enzimleri ayırt etmede en etkili özellikler olarak ortaya çıktı. Genel olarak, sonuçlar, makine öğrenimi yoluyla dizi tabanlı ve kimyasal tanımlayıcıların entegre edilmesinin, asidik ve alkali α/β-hidrolazları etkili bir şekilde ayırabileceğini göstermektedir. Bulgular, aşırı pH'a moleküler adaptasyon mekanizmalarına ışık tutmakla kalmayıp, biyoremediasyon, deterjan tasarımı ve biyomadencilik gibi endüstriyel uygulamalar için yeni ekstremoenzimlerin keşfi ve mühendisliğine rehberlik edecek hesaplamalı bir temel de sağlamaktadır.