A unified pipeline for discovering previously unknown enzyme activities

De auteurs presenteren Enzyme-toolkit, een geïntegreerde pipeline die bestaande en nieuwe methoden combineert om onbekende enzymen te ontdekken voor specifieke reacties, zoals de afbraak van milieuverontreinigende stoffen.

De kern

Stel je voor dat je een gigantische bibliotheek hebt, maar de boeken staan in een taal die niemand spreekt. In deze bibliotheek zitten de "recepten" voor duizenden enzymen – de biologische machines die in onze cellen werken en chemicaliën kunnen oplossen of maken. De uitdaging is: hoe vind je het ene specifieke recept dat precies doet wat jij wilt, bijvoorbeeld het oplossen van plasticvervuiling, terwijl je niet weet welke boeken het hebben?

Dit wetenschappelijke artikel beschrijft een nieuwe, slimme manier om die naald in de hooiberg te vinden. De onderzoekers hebben een digitale gereedschapskist gebouwd, genaamd Enzyme-tk, die werkt als een super-efficiënte zoekmachine en bouwploeg in één.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De Digitale Zoektocht (De "Proefkoker")

Stel je voor dat je een sleutel zoekt die past in een heel specifieke, vreemde slot (een chemische reactie om vervuiling op te lossen).

• Het oude probleem: Vroeger moesten mensen handmatig duizenden boeken doorbladeren of proberen om te raden welke enzymen misschien zouden werken. Dat was als het zoeken naar een speld in een hooiberg met een blinddoek op.
• De nieuwe oplossing: De onderzoekers hebben een slim computerprogramma gemaakt (een AI genaamd Func-e). Dit programma is getraind om niet alleen te kijken naar wat een enzym is, maar ook naar wat het kan. Het leest de "DNA-tekst" van een enzym en voorspelt: "Hey, dit enzym lijkt een beetje op een sleutel die in dit slot zou kunnen passen, zelfs als we die sleutel nog nooit eerder hebben gezien!"

2. De Slimme Bouwploeg (De "Lego-methode")

Zodra de computer een paar veelbelovende kandidaten heeft gevonden, moet je ze eigenlijk bouwen om te testen of ze echt werken.

• Het oude probleem: Het bestellen van het volledige bouwplan (het gen) voor elk enzym is extreem duur. Het is alsof je voor elke proef een nieuw, volledig huis moet laten bouwen, wat je bankrekening leegmaakt.
• De nieuwe oplossing: Ze hebben een methode bedacht genaamd Oligopoolio. In plaats van hele huizen te bestellen, bestellen ze alleen de losse bakstenen (kleine stukjes DNA) in een grote zak. Vervolgens gebruiken ze een slimme lijm (een enzym) om deze bakstenen in één keer tot een compleet huis te plakken.
  • De analogie: Het is alsof je in plaats van 40 complete auto's te kopen, 40 zakken met losse onderdelen koopt en die zelf in elkaar zet. Dit maakt het 45% goedkoper en veel sneller.

3. De Echte Test (De "Proefkeuken")

Nu hebben ze de gebouwen enzymen. Ze gooien ze in een proefbuisje met de vervuiling (zoals plastic of brandblusmiddelen) om te zien of het werkt.

• Het resultaat: Ze testten dit op twee soorten vervuiling: DEHP (een plasticweker) en TPP (een brandvertrager).
  • Voor de plasticweker vonden ze een nieuw enzym dat nog nooit eerder als oplossing was beschreven.
  • Voor de brandvertrager vonden ze een enzym dat niet alleen werkte, maar ook nog eens heel klein en stabiel was (niet snel kapotgaat in de hitte).
  • Ze konden zelfs een paar kleine aanpassingen doen aan het enzym (zoals het slijpen van een sleutel) om het nog beter te laten werken.

Waarom is dit belangrijk?

Stel je voor dat je een fabriek hebt die afval produceert. Vroeger was het zoeken naar een bacterie die dit afval kan opruimen een gokspel dat jaren duurde en veel geld kostte. Met deze nieuwe "gereedschapskist" kunnen wetenschappers nu:

1. Snel zoeken in een enorme database van miljoenen onbekende enzymen.
2. Snel en goedkoop bouwen van de kandidaten.
3. Direct testen of het werkt.

Het is alsof ze een GPS-systeem hebben gebouwd voor de biotechnologie. In plaats van rond te rijden en te hopen dat je een restaurant vindt, zegt de GPS precies: "Ga hierheen, daar zit een restaurant dat precies het gerecht serveert dat je wilt, en hier is het goedkoopste adres om de ingrediënten te kopen."

Dit betekent dat we in de toekomst veel sneller nieuwe manieren kunnen vinden om plastic af te breken, medicijnen te maken of schadelijke stoffen uit onze wateren te halen, allemaal dankzij een slimme combinatie van computerkracht en slimme bouwmethode.

Technische samenvatting

Probleemstelling

Het vinden van enzymen die specifieke chemische reacties kunnen katalyseren, vooral voor onnatuurlijke substraten zoals kunstmatige verontreinigingen, blijft een grote uitdaging. Bestaande methoden zijn vaak:

• Ad-hoc en niet-gestandaardiseerd: Gebruikers moeten handmatig door diverse databases (zoals BRENDA, UniProt, KEGG) navigeren of eigen scripts schrijven.
• Beperkte generaliseerbaarheid: Zowel op sequentie-gebaseerde zoekopdrachten als op machine learning (ML)-modellen presteren slecht bij "out-of-distribution" reacties (reacties die niet lijken op die in de trainingsdata).
• Hoge kosten en lage doorloop: Experimentele validatie is duur (synthese van volledige genen kost $70-$170 per gen) en tijdrovend. Er ontbreekt een gestandaardiseerde pijplijn die de kloof tussen computationele voorspelling en experimentele validatie overbrugt.

Methodologie: De Enzyme-tk Pijplijn

De auteurs hebben Enzyme-toolkit (Enzyme-tk) ontwikkeld, een geïntegreerde, open-source Python-pijplijn die bestaat uit 23 modulaire tools. De pijplijn is opgebouwd rond drie kernmodules: 'predict', 'synthesize' en 'validate'.

1. Predictie (Computational Discovery):

   • Func-e: Een nieuw ML-model dat enzymen scant op basis van alleen de eiwitsequentie en de chemische reactie (SMILES). Het model gebruikt embeddings voor zowel de enzymsequentie (ESM) als de reactie (RxnFP/Uni-mol) en combineert deze via cross-attention heads. Het voorspelt niet alleen activiteit, maar ook eigenschappen zoals molecuulgewicht en sequentielengte.
   • Data Bronnen: De pijplijn scant grote datasets, waaronder een "extremofiele dataset" (thermostabiele organismen) en een "metagenomische dataset" (afvalwater van vijf landen).
   • Filtering: Voorspellingen worden gefilterd op actieve site-annotatie (met tool Squidly) en structurele eigenschappen (co-folding met Chai en Boltz).

2. Synthese (Kostenefficiënte Genconstructie):

   • Oligopoolio: Een nieuwe methode om volledige genen te assembleren uit oligonucleotide-pools (opools) in plaats van dure volledige genen te bestellen.
   • Techniek: Het gebruikt Polymerase Cycling Assembly (PCA) in een "two-step PCR" protocol. De tool berekent optimale overhangs en fragmentgrootte om chimerische producten te minimaliseren.
   • Kostenbesparing: Deze aanpak verlaagt de kosten voor het bestellen van 96 genen met ongeveer 45% ten opzichte van individuele genbestellingen.

3. Validatie (Experimenteel):

   • De geassembleerde genen worden geëxprimeerd in E. coli.
   • Screening gebeurt in 96-wells platen met verduidelijkte cellysaten.
   • De reacties worden geanalyseerd via HPLC-MS om productvorming te detecteren.

Kernbijdragen

1. Unificatie: De eerste gestandaardiseerde, modulaire pijplijn die ML-voorspelling, genassemblage en experimentele validatie combineert in één framework.
2. Nieuwe ML-tool (Func-e): Een model dat specifiek is ontworpen om enzymen te vinden voor reacties die sterk afwijken van de trainingsdata (out-of-distribution), zonder afhankelijk te zijn van homologie.
3. Nieuwe Assemblage-methode (Oligopoolio): Een kostenefficiënte, computergestuurde methode om genen uit oligo-pools te assembleren, waardoor de drempel voor experimentele validatie van grote bibliotheken wordt verlaagd.
4. Open Source: De volledige code, documentatie en workflows zijn beschikbaar via GitHub, wat de reproduceerbaarheid en uitbreidbaarheid voor de gemeenschap bevordert.

Resultaten

De pijplijn werd getest op de degradatie van twee veelvoorkomende verontreinigingen:

• DEHP (di-(2-ethylhexyl) ftalaat) naar MEHP.
• TPP (triphenylfosfaat) naar DPP.

Belangrijkste bevindingen:

• Conventionele methoden: Simpele op homologie gebaseerde zoekopdrachten en eerdere ML-modellen (zoals CREEP) leverden slechts beperkte resultaten op. Eén enzym (Q06174) toonde zwakke activiteit op TPP, wat na één ronde van gerichte evolutie (epPCR) leidde tot een variant (Q06174-3) met verbeterde activiteit.
• Func-e succes: Met de nieuwe Func-e ML-tool werden twee nieuwe, tot dan toe niet-geannoteerde enzymen geïdentificeerd die aanzienlijk beter presteerden dan de bestaande literatuur-enzymen:
  • Q7SIG1: Een hydrolase uit Bacillus acidocaldarius (thermofiel) die DEHP hydrolyseert. Dit enzym was niet te vinden via EC-nummer-zoekopdrachten omdat het geen EC-nummer had in UniProt.
  • I3NWL3: Een carboxylesterase uit Geobacillus sp. ZH1 dat TPP hydrolyseert. Dit enzym is 337 aminozuren korter dan het bekende Sb-PTE en toont hoge activiteit.
• Efficiëntie: Slechts 31 enzymen werden experimenteel getest (uit duizenden kandidaten), wat de kosten en tijd drastisch verlaagde. De succesvolle identificatie van enzymen met slechts <30% sequentie-identiteit ten opzichte van bekende positieve controles bewijst de generaliseerbaarheid van het model.

Betekenis en Impact

Dit werk biedt een fundamenteel raamwerk voor de ontdekking van nieuwe biocatalysatoren voor duurzaamheid en milieuherstel.

• Schaalbaarheid: Door de kosten van genassemblage te verlagen en de succesratio van ML-voorspellingen te verhogen, wordt het mogelijk om grote, onontdekte sequentieruimtes (zoals metagenomen) effectief te screenen.
• Toekomstgerichtheid: De modulaire aard van Enzyme-tk stelt onderzoekers in staat om nieuwe ML-modellen of experimentele protocollen eenvoudig te integreren.
• Toepassing: De methode is direct toepasbaar voor het vinden van enzymen voor de afbraak van persistente organische verontreinigingen, maar ook voor het ontwerpen van enzymen voor synthetische biologie en farmaceutische productie.

Kortom, de auteurs hebben een brug geslagen tussen computationele biologie en experimentele enzymologie, waardoor het vinden van nieuwe enzymen voor specifieke, onnatuurlijke reacties sneller, goedkoper en betrouwbaarder wordt.