导 读
成果介绍
由于稳定性和活性之间的权衡，获得具有高活性和稳定性的酶仍然是酶进化中的一个难题。
该研究团队开发了一种等温压缩辅助动态压缩系数扰动工程（iCASE）策略，为不同复杂度的酶构建分层模块网络。分子机制分析阐明，适应性进化的峰值是通过变体之间的结构响应机制达到的。此外，该动态响应预测模型利用基于结构的监督机器学习来预测酶的功能和适应性，在不同数据集上表现出稳健的性能和可靠的异位显性预测。四种不同结构和催化类型的酶验证了 iCASE 策略的通用性。
这种基于机器学习的 iCASE 策略为今后研究酶的适应性进化提供了指导。
图文赏析
Fig. 1: The isothermal compressibility-assisted dynamic squeezing index perturbation engineering (iCASE) strategy connects enzyme evolution to the physical chemistry of enzyme stability and catalysis.
原文链接
https://doi.org/10.1038/s41467-025-55944-5
① 长按二维码 或 ② 点击左下角“阅读原文”
本文转载自“科学私享”微信公众号，原标题“重磅！江南大学夏小乐教授顶级期刊《自然通讯》发表最新成果！”。转载仅用于学术分享，若有侵权，请后台留言联系修改或删除！
『点赞在看，精彩不断』↓ ↓ ↓
