使酶适应特定应用的任务往往受到调节和定制催化功能的不完整能力的阻碍，特别是在寻求增加活性时。有鉴于此，Massachusetts Institute of Technology的Bruce Tidor课题组开发并展示了一种合理的方法来应对这一挑战，该方法应用于工业规模生产异丁醇的酮醇酸还原异构酶（KARI）。

图片来源：ACS Catal.

虽然传统的基于结构计算的酶重新设计策略通常侧重于酶结合基态（GS）和过渡态（TS），但这项研究中，假设额外处理连接并通过这两种状态的完全转换事件的潜在动力学可以进一步阐明影响催化作用的结构特性，并帮助识别导致催化活性增加的突变。

图片来源：ACS Catal.

为了从原子细节研究底物转化的动力学，这项研究采用并应用了基于路径采样技术的计算方法，收集了KARI尝试的底物转换事件的数千个QM/MM模拟数据：包括生产性（反应性）和非生产性（非反应性）尝试。根据这些数据，构建了机器学习模型，并用于识别与成功、高效催化相关的特定构象特征（原子间距离、角度和扭转）。然后使用多态蛋白质重新设计技术来选择突变体，这些突变体稳定了反应性样结构而不是非反应性样的结构，同时也满足了与增强比活性一致的额外标准。

图片来源：ACS Catal.

该程序产生了8个高置信度的酶突变体，与野生型（WT）相比，计算出的比活性有了显著提高，其中计算出的k_cat增加最快的突变体为（2±1）×10⁴倍。总的来说，这些结果表明，在酶-底物复合物到达屏障之前引入突变以增加其反应促进构象的数量，可以为工程改进酶催化剂提供一种有效的方法。

图片来源：ACS Catal.

原文标题：Substrate Turnover Dynamics Guide Ketol-Acid Reductoisomerase Redesign for Increased Specific Activity

原文作者：Elijah Karvelis, Chloe Swanson, and Bruce Tidor*

ACS Catal. 2024, 14, 10491−10509