通过mRNA展示技术绘制通用型II类羊毛硫肽合成酶ProcM的底物序列偏好图谱

核糖体合成并经翻译后修饰肽（RiPPs）的生物合成机制通常具有底物耐受性。一个显著的例子是II类羊毛硫肽合成酶ProcM，它在自然界中作为一种广谱酶发挥作用，在其进化历程中并未演化为使用特定底物。尽管ProcM已被广泛研究，但与高效修饰相关的序列特征仍缺乏充分探索。在本研究中，我们利用超高通量mRNA展示技术，对ProcM在一个聚焦文库中的序列兼容性进行了绘制。该方法将ProcM反应性的范围拓展至天然底物及单独表征变体之外。机器学习（ML）被用作工具，以证明所筛选数据集包含可学习的特征，而分类架构显示其平衡准确率为0.73。这一表现与专一性酶模型近乎完美的准确率形成鲜明对比，因为广谱酶的序列—适应度景观具有类别不平衡的特征，并且受到数据集内在特性的限制。我们的结果提供了ProcM反应性的高通量视角，并凸显了其与先前关于RiPP修饰酶底物选择性的高通量研究之间的差异。未来研究需要评估，在比较广谱酶与专一性酶时，这些差异是否具有普遍性。

核糖体合成并经翻译后修饰肽（RiPPs）的生物合成机制通常具有底物耐受性。一个显著的例子是II类羊毛硫肽合成酶ProcM，它在自然状态下作为一种广谱酶发挥作用，在其进化历程中并未演化为使用某一特定底物。尽管ProcM已被广泛研究，但与其实现有效修饰相关的序列特征仍缺乏充分探索。

在本研究中，我们利用超高通量mRNA展示技术，对ProcM在一个聚焦文库中的序列兼容性进行绘制。该方法将ProcM反应性的图谱从天然底物和已逐一表征的变体扩展到了更广泛的范围。我们使用机器学习（ML）作为工具，证明所筛选的数据集包含可学习的特征，而分类架构显示其平衡准确率为0.73。与专一性酶模型近乎完美的准确率相比，这一表现形成了鲜明对照，因为广谱酶的序列—适应度景观具有类别不平衡的特征，并受到数据集内在特性的限制。

我们的结果以高通量方式呈现了ProcM的反应性，并突出了其与先前关于RiPP修饰酶底物选择性的高通量研究之间的差异。未来研究需要进一步评估，在比较广谱酶与专一性酶时，这些差异是否具有普遍性。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.19.745792v1?rss=1

🏷️ mRNA展示技术 RiPPs 羊毛硫肽合成酶ProcM 底物序列偏好 高通量筛选 机器学习