研究团队在大肠杆菌中量化超 39,000 个蛋白变体的单体产量并开发 ESMC-MonoYield
Massively parallel quantification and prediction of monomeric protein yield in Escherichia coli
研究团队开发了一种结合肽条码、尺寸排阻色谱和质谱的混合检测方法,在统一的大肠杆菌生产条件下量化了超过 39,000 个蛋白变体的单体产量。基于该数据集,团队评估了折叠稳定性与产量的关系、逆折叠方法和结构预测置信度指标,并开发了仅凭氨基酸序列预测产量的蛋白语言模型 ESMC-MonoYield。研究还针对 BindCraft 设计的结合蛋白展示了高产候选的富集。
超过 39,000 个蛋白变体的标准化产量数据,为评估逆折叠方法和筛选设计候选提供了统一参照。
预印本 · biorxiv · 10.64898/2026.11.02.763507
本站摘要基于收录版本 v1(2026-11-06),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
获得足量且处于预期分子状态的纯化蛋白质,对生物学研究和蛋白质工程至关重要。计算蛋白质设计的进展拓展了从头设计蛋白质的功能能力,并加快了候选物的生成。然而,用于对候选从头设计物(包括分子结合剂、荧光蛋白和酶)的预期单体产率进行排序的可靠方法尚未建立。针对多样序列的单体产率标准化测量仍然稀缺,这限制了我们对其决定因素的理解,也阻碍了用于候选筛选的准确预测器的开发。在此,我们开发了一种可扩展的混合检测方法,将肽条形码、尺寸排阻色谱和质谱相结合,在统一且标准化的大肠杆菌生产条件下,对超过 39,000 种天然蛋白质结构域变体、从头设计蛋白质和纳米抗体的单体产率进行定量。我们利用该数据集来 (1) 量化折叠稳定性与单体产率之间的关系,(2) 对逆折叠方法进行基准测试,(3) 评估结构预测置信度指标在筛选高产率设计候选物中的效用,以及 (4) 识别纳米抗体中与单体产率及单体/二聚体产率比相关的序列和结构模式。我们进一步开发了 ESMC-MonoYield,这是一个仅通过氨基酸序列预测单体产率的微调蛋白质语言模型,并前瞻性地证明了其在 BindCraft 设计的结合剂中富集高产率候选物的能力。我们的方法实现了跨多样蛋白质的标准化、大规模单体产率测量,并确立了单体产率作为一种可学习、可预测并最终可设计的序列编码属性。
来源:bioRxiv · biorxiv.org