非生物分解性プラスチックの分解における効率改善のためのPETアーゼの機械学習に基づく酵素工学【JST・京大機械翻訳】

Gupta, A.; Agrawal, S.

プレプリント

J-GLOBAL ID：202202217717999081 整理番号：22P0032228

非生物分解性プラスチックの分解における効率改善のためのPETアーゼの機械学習に基づく酵素工学【JST・京大機械翻訳】

Machine Learning-Based Enzyme Engineering of PETase for Improved Efficiency in Degrading Non-Biodegradable Plastic

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年01月12日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グローバルに,ほぼ百万のプラスチックボトルが,毎分(1)で製造される。これらの非生分解性プラスチック製品はポリエチレンテレフタレート(PET)から成る。2016年に,研究者は,PETと非生分解性プラスチックを切断する細菌Ideonellaサカiensis由来の酵素,PETaseを発見した。しかし,PETaseは高温で低効率であった。このプロジェクトでは,PETaseによるPET分解の速度を,PETaseよりはるかに速く分解できる新しい変異酵素を設計することにより最適化し,これは現在,金標準である。PETase酵素を改変するために機械学習(ML)誘導指向性進化を用いて,酵素をより効率的にPETを分解できる高い最適温度(Topt)を得た。最初に,3つの機械学習モデルを訓練し,ロジスティック回帰,線形回帰,およびランダムフォレストを含む高性能のToptを予測した。次に,ランダムフォレストを用いてML誘導有向進化を行った。著者らのアルゴリズムは,PETaseの数百の突然変異体を生成し,最高のTopを持つ突然変異体を選択するためにランダムフォレストを用いてそれらを選別し,次に,突然変異する酵素としてトップ変異体を使用した。1000回の反復後,著者らは71.38{度}CのToptを有するPETaseの新しい変異体を作製した。また,61.3{度}CのTopで29回の反復後に新しい変異体酵素を作製した。これらの変異体酵素を安定に維持するために,外部予測子を用いてそれらの融解温度を予測し,29反復変異体がPETase上で熱安定性を改善することを見出した。著者らの研究は,著者らのアプローチとアルゴリズムを使用するので重要であり,科学者は効率向上のための付加的酵素を最適化できる。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

ポリエステル,アルキド , 高分子廃棄物処理

, , , , , ,

前のページに戻る