国立先进产业科学技术研究所 [主席石村和彦]（以下简称“AIST”）人工智能研究中心[研究中心主任 Junichi Tsujii]组学信息研究组研究员池部仁，龟田仁首席研究员和神户天然产物化学有限公司[总裁宫内仁]（以下简称“神户天然产物”铃木宗典小森绫博士是世界上第一个开发出预测控制酶反应的氨基酸位点的计算方法（用于增强底物反应位点区域选择性的突变位点预测方法，MSPER）的人。用此方法生产香料原料酶细胞色素 P450（P450），与修饰前的酶相比，我们能够将目标化合物（目标化合物）的生产率提高最多64倍。
在药品、食品、纺织品、塑料等化学产品制造领域，“酶制造”作为一种对环境影响较小的替代技术而受到关注。在酶促反应中，酶和底物（原材料）形成特定的复合物以产生化合物。然而，根据酶的不同，可能会形成多种不同的复合物，并且还可能产生意想不到的副产物，导致所需化合物的生产率较低。因此，我们开发了一种计算方法（MSPER），利用模拟分析重现酶反应中产生的多种酶-底物复合物，根据获得的复合物的结构信息预测参与副产物产生的氨基酸位点，并对其进行修改以抑制副产物的产生。该方法可以缩小酶需要修饰的部分，并将功能验证的评估实验数量从传统随机突变方法的1/170减少到1/1000。
这项技术的详细信息发表在 2021 年 10 月 4 日的《
科学报告
通过 MSPER 预测决定复合物类型的氨基酸位点
利用酶促反应生产可成为药品、食品、纺织品、塑料等材料的化合物生物制造与使用高温高压反应条件、石油衍生有机溶剂和重金属催化剂的化学合成反应相比，该技术可以使用常温常压条件和水基溶剂，因此作为下一代技术备受关注，有望降低废液处理等公用事业成本和环境影响。提高酶功能改善效率对于酶的工业化利用具有重要意义。
酶与底物结合形成特定的复合物。根据酶或底物的类型，可能会产生多种不同的复合物，并且目标化合物的产率会因副产物的产生而降低。为了解决这个问题，需要从构成酶的数百至数千个氨基酸中找到并修饰参与酶功能的氨基酸位点。作为一种方法进化分子工程方法并提出了各种理论设计方法。进化分子工程方法需要大量的时间、精力和费用才能获得最佳的修饰酶，因为它涉及各种修饰酶的重复生产和验证实验。另一方面，理论设计可以根据酶和底物的三维结构等信息预测修饰酶功能的氨基酸位点，从而节省验证实验的劳力。然而，尚未开发出专门抑制副产物产生的方法。
AIST 是分子动力学 (MD) 模拟等计算方法，我一直在从分子结构的角度进行改善和修改酶功能的研究。神户天然产物化学公司一直在研究以细胞色素P450酶为中心的物质的生产。因此，P450 的一种，CYP102A1并将基于MD模拟和分子结构研究的分析技术应用于CYP102A1。
这项研究和开发得到了国家研究开发机构新能源产业技术综合开发机构 (NEDO) 委托项目“利用植物和其他生物开发高功能产品生产技术（2016-2020 年）”的支持。
通过使用 MD 模拟在计算机上生成各种复杂结构并对其进行分析，我们开发了一种方法 (MSPER) 来预测抑制副产物形成的氨基酸位点。在MSPER中，我们首先根据大量复合物的数据计算并比较组成酶的每个氨基酸与底物之间的接触比，然后识别产生副产物的复合物结构中与底物接触的氨基酸。通过用其他氨基酸修饰该氨基酸，可以抑制底物与酶之间的结合，抑制副产物的产生，并且可以提高目标化合物的生产率（选择性）（图1）。 MSPER 对对目标化合物的生产影响最小且在副产物生产过程中与底物接触的氨基酸进行排名。如果从高等级生产和评价修饰酶，则可以有效地获得具有改善的选择性的修饰酶。
图1预测氨基酸位点以抑制副产物形成
在 MSPER 验证中，酶 P450 和底物S-柠檬烯（图2）用于生成两种目标化合物，反式香芹醇（12) 和顺式异胡椒烯醇 (6)的生成率来评价生成何种反应产物的选择性。我们针对MSPER提出的高排名氨基酸位点创建了修饰酶，并进行了验证实验。验证结果证实，与原始酶相比，在所有六个提议的氨基酸位点上，目标化合物的产率均得到提高，提高高达64倍。
图2 使用MSPER提高目标化合物生产率的示例
与从数千种随机修饰氨基酸的修饰酶中搜索所需酶的传统技术相比，MSPER 可以使用排名格式缩小要修饰的氨基酸位点的范围。在此示例中，计算时间将需要几天到一周。然而，试算表明，与传统技术相比，验证实验的数量（酶开发研究中最耗时、成本最高的过程）可减少1/170至1/1,000。
本研究中开发的 MSPER 方法的有效性已使用除 P450 之外的各种酶进行了验证。此外，我们还将开发提高酶反应生产率等功能性改进的分析方法，并通过与企业的共同研究改变各种酶的功能，为利用酶的制造做出贡献。
已出版的杂志：科学报告
论文标题：使用突变位点预测方法进行酶修饰以增强底物反应位点的区域选择性
作者：Jinzen Ikebe、Munenori Suzuki、Aya Komori、Kaito Kobayashi、Tomoshi Kameda