Structure-Informed Stress-Testing of the Standard Numbering Scheme for Class B β-Lactamases Using AlphaFold2
本研究通过使用 AlphaFold2 对 87 个新建模家族进行分析，验证了 Galleni-Garau 标准编号方案（BBL）在 B 类 -内酰胺酶中的稳健性，在确认其普适性的同时，也识别出了一小部分具有结构差异、值得进行实验后续研究的变体。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
细菌已经进化出了一种针对我们赖以治疗感染的抗生素的强大防御机制。在它们最有效的武器中，有一种被称为 β-内酰胺酶的酶，它们就像分子剪刀一样，在青霉素及相关药物杀死细菌之前，将它们的化学环结构剪断。虽然其中一些酶使用特定的化学工具进行切割，但一类特别危险的酶——被称为金属 β-内酰胺酶（metallo-beta-lactamases）的酶，则利用锌原子来执行同样的任务。这些依赖锌的酶是现代医学关注的主要问题，因为它们甚至可以破坏我们最强大的、最后的防线抗生素，使医生在治疗严重感染时几乎无药可用。
为了研究这些酶并设计能够阻止它们的新药，科学家们需要一种通用的语言。由于这些酶具有多种不同的形状和大小，研究人员创建了一套标准的编号系统。这套系统就像一张通用的地图，允许科学家在不同的酶之间指向完全相同的位置，无论其蛋白质链的长短如何。这张地图是在几十年前绘制的，是基于当时科学家在实验室中成功捕捉到的极少数物理结构。然而，如今我们已知存在数百种这类酶，它们源自土壤、水域和医院中的细菌，但我们从未见过它们的物理形状。一个巨大的疑问是：这张基于极少数案例绘制的旧地图，是否仍然适用于这个庞大且未知的、由新酶组成的广阔世界。
一个研究团队决定使用一种名为 AlphaFold 的强大新工具来测试这张地图，该工具利用人工智能根据遗传密码来预测蛋白质的三维形状。研究人员没有等待多年去实验室捕捉物理结构，而是使用这个计算机程序构建了 87 类从未被观察到的、使用锌的酶的模型。他们首先通过证明其方法有效性开始了工作，将他们对八种已知酶的计算机模型与实际的实验测量结构进行了对比。计算机预测的结果非常精确，其预测形状与真实形状的匹配精度极高，误差甚至小于单个原子的半个宽度。
在验证了方法之后，研究人员将其应用于这 87 个未见的家族。他们检查了标准编号系统是否正确识别了锌原子附着在酶上的关键位点。在绝大多数情况下，旧地图表现得非常完美。计算机模型显示，锌附着位点与标准系统所预测的位置完全一致，即使对于那些从未在实验室中被观察到的酶也是如此。这表明，这套在二十多年前创建的编号系统足够稳健，足以引导科学家探索自那时以来发现的更庞大、更多样化的酶家族。
然而，这项研究也发现了一些有趣的例外情况。在十一个看似失效的案例中，研究人员发现了导致差异的生物学原因，例如该酶属于一个天然具有略微不同排列方式的特定亚群。但在两个特定的家族中，计算机模型揭示了更令人困惑的情况。虽然这些酶仍拥有构建锌附着位点的正确字母序列，但其预测的三维形状显示，其活性区域发生了扭曲，或者其排列方式与标准地图所建议的不同。这两个家族以及另一个表现出类似模式的家族，代表了一小部分酶，在这些酶中，物理结构可能与旧有的预期不符。
研究人员得出结论，虽然标准编号系统对大多数此类酶来说是一个可靠的指南，但这些少数例外情况非常重要。它们代表了一小部分变体，在这些变体中，作为酶功能核心的活性位点在三维空间中的样子可能与我们所想的不同。由于计算机模型标记了这些差异，这项研究将这些特定的酶识别为未来实验室工作的优先目标。科学家们现在将知道如何将实验精力集中在这些少数家族上，以确认它们独特的形状，从而确保我们在不断发现自然界中新变种的过程中，对细菌防御机制的理解始终保持准确。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。