使用 TpsGPT 从头生成功能性萜烯合酶
机器学习
2025-12-16 v2
摘要
萜烯合酶（TPS）是一类关键酶，负责生成支撑许多天然产物的多样化萜烯骨架，包括一线抗癌药物如紫杉醇（Taxol）。然而，通过定向进化进行从头 TPS 设计成本高昂且耗时。我们引入了 TpsGPT，这是一个用于可扩展 TPS 蛋白质设计的生成模型，通过对从 UniProt 中挖掘的 79k 条 TPS 序列微调蛋白质语言模型 ProtGPT2 构建而成。TpsGPT 在计算中生成了从头酶候选物，我们使用多种验证指标对其进行了评估，包括 EnzymeExplorer 分类、ESMFold 结构置信度（pLDDT）、序列多样性、CLEAN 分类、InterPro 结构域检测和 Foldseek 结构比对。从初始生成的 28k 条序列中，我们识别出七种满足所有验证标准的假定 TPS 酶。实验验证确认了其中至少两条序列的 TPS 酶活性。我们的结果表明，在精心策划的酶类别专用数据集上微调蛋白质语言模型，并结合严格的筛选，可以实现功能性的、进化上相距较远的酶的从头生成。
引用
@article{arxiv.2512.08772,
title = {De novo generation of functional terpene synthases using TpsGPT},
author = {Hamsini Ramanathan and Roman Bushuiev and Matouš Soldát and Jirí Kohout and Téo Hebra and Joshua David Smith and Josef Sivic and Tomáš Pluskal},
journal= {arXiv preprint arXiv:2512.08772},
year = {2025}
}
备注
11 pages, 8 figures, Accepted at the NeurIPS 2025 AI for Science and Machine Learning for Structural Biology 2025 workshops Fixed incorrect threshold in Fig 1