Moleküler bilimler ve biyokimya alanında, istenen herhangi bir reaksiyonu katalize edebilecek yüksek oranda aktif enzimlerin tasarlanması tıp, endüstri ve sürdürülebilirlik alanındaki büyük sorunlara çözüm sunma potansiyeli taşımaktadır. Geleneksel protein mühendisliği süreçleri, keşfi oldukça zahmetli ve hataya açık olan mevcut doğal başlangıç noktalarına bağımlı kalmaktadır. Sıfırdan tasarım (de novo tasarım]), ilk ilkelerden hareketle özel özelliklere sahip enzimler üretme imkânı sunmaktadır.
Buna karşın, bugüne kadarki de novo enzim tasarımı çalışmaları; doğal enzimlerin hâlihazırda yüksek düzeyde optimize edildiği reaksiyonlara odaklanılması, doğal karşılıklarına kıyasla katalitik hızların çok düşük kalması ve analizlerin sınırlı sayıda iskelet üzerinde gerçekleştirilmesi gibi önemli kısıtlamalarla karşılaşmaktadır. Bu doğrultuda araştırmacılar, zorlu seçicilik problemlerini ele almak ve doğal dizi madenciliğinden (sequence mining) daha üstün performans sergilemek amacıyla makine öğrenmesi tabanlı bir boru hattı olan AlphaProtein Novo (AP Novo; APN) sistemini geliştirmeyi amaçlamıştır. Çalışma, piperidin sentezi ve çevresel kirleticilerin hidrolizi gibi pratik biyokatalizör keşif süreçlerinde de novo tasarımın etkinliğini test etmeyi hedeflemektedir.
Geliştirilen AP Novo boru hattı, difüzyon modeli (yapısal koordinatların gürültü giderme süreciyle üretildiği yapay zeka yaklaşımı) aracılığıyla katalitik motiflerin iskelelemesini gerçekleştirmekte ve ardından AlphaFold 3 (AF3) yapı tahminleri ile çoklu reseküon (multi-resequence) ve kısmi difüzyon tabanlı dizi topluluk (ensemble) skorlamalarını içeren bir filtreleme mekanizması uygulamaktadır. Tasarlanan aday enzimler Escherichia coli (E. coli) sistemlerinde eksprese edilerek saflaştırılmış; ürün oluşum hızları (kobs), Michaelis-Menten kinetik parametreleri (kcat ve Km), bölgeseçicilik (regioselectivity), enantiyoseçicilik, termostabilite ve aktif bölge mutasyonları titizlikle analiz edilmiştir.
Elde edilen bulgular, başat piperidin sintaz tasarımının (GDM_NT_270) 22 devir sayısı, %99:1 bölgeseçici oran ve %94 enantiyomerik fazlalık ile doğal enzimlerin pirolidin yönelimli eğilimini başarıyla tersine çevirdiğini göstermektedir. Benzer şekilde, tasarlanan DEHP hidrolazları (DEHPase), doğal esterazların tamamen inaktif olduğu 90° sıcaklıkta ve %75 asetonitril koşullarında dahi yüksek aktivite sergilemektedir. Model reaksiyonlarda ise kcat/Km değerlerinin Kemp eliminazlar için 45.000M-1s-1 değerine, serin esterazlar için ise 360.000M-1s-1 değerine ulaştığı ve dizi topluluk filtrelemenin isabet oranlarını %80’e çıkardığı ortaya konulmaktadır.
Bu sonuçlar, de novo enzim tasarımının doğal enzim keşfinin yetersiz kaldığı karmaşık kimyasal dönüşümler için güçlü ve güvenilir bir biyokatalizör haline geldiğine işaret etmektedir. Yapı ve dizi eş-üretimi ile çoklu durum filtreleme stratejileri, aktif bölgelerin rasyonel olarak uyarlanmasına olanak tanırken; modelin kataliz fiziğini tam anlamıyla simgeleyememesi ve doğal enzimlere kıyasla aktivite düzeylerinin hâlâ düşük olması gibi mevcut sınırlılıklar gelecekteki optimizasyon çalışmalarının yönünü belirlemektedir.
Yazar: Hazel Birgül
Referans: Wu, Z., Abramson, J., Frerix, T. et al. Designing enzymes for new-to-nature chemistry and non-natural substrates with AlphaProtein Novo. bioRxiv (2026). https://doi.org/10.64898/2026.10.01.756017
-Bioinforange Bilimsel Haber Servisi-
Haber Yazıları, 20> Etki Faktörlü Q1 dergilerinde yayınlanan (listesi için tıklayınız)
bilimsel araştırmaların ekip arkadaşlarımız tarafından incelenip derlenmesi ile hazırlanmaktadır.
