科研进展

Chemical Science | 无标记质谱筛选赋能新酶活定向进化

时间:2022-06-08  来源:合成所 文本大小:【 |  | 】  【打印

  62日,中国科学院深圳先进技术研究院司同课题组联合中国医学科学院杨兆勇课题组,在国际学术期刊Chemical Science在线发表研究论文Directed evolution of a cyclodipeptide synthase with new activities via label-free mass spectrometric screening”。文章依托深圳合成生物研究重大科技基础设施(简称为“合成生物大设施”),开发了无标记质谱筛选技术,应用于环二肽合酶的定向进化改造,快速得到了F186L突变体催化合成野生型天然酶无法产生的新二酮哌嗪分子。司同研究员和杨兆勇研究员为本文共同通讯作者,张嵩亚、朱静助理研究助理为共同第一作者。 

论文上线截图

全文链接:https://doi.org/10.1039/D2SC01637K

  定向进化是酶工程的重要方法,需要开展反复多轮的突变文库构建和筛选。现有面向酶定向进化的高通量筛选方法,通常利用偶联反应、生物传感器等手段底物或产物浓度信息转化成光、电化学等信号。开发筛选方法的过程不但费事费力,且通常需要使用衍生化、特殊标记底物等方法,不利于发现新的催化活性。另一方面,质谱分析基于离子的质荷比(m/z)对反应物进行定性与定量测定,具有更好的普适性。更为重要的是,基于无标记(label-free)原理,可以通过非靶向质谱方法识别新的酶促产物,从而发现对应的新催化活性但质谱筛选的这一能力在酶定向进化中的应用还非常有限,主要限制因素是检测样品进入质谱之前通常需要经过耗时的样品制备和色谱分离步骤,限制了质谱筛选的通量。 

  本研究依托深圳合成生物大设施的机器人平台,针对酶突变文库构建和筛选过程中的不同环节,如分子克隆、微生物培养、产物乙酸乙酯萃取、MALDI-TOF质谱分析、数据处理等,开发了对应的自动化流程和方法,实现了微生物发酵产物的无标记质谱筛选,通量为每样品5秒钟(图1)。 

1:高通量、无标记质谱筛选用于酶新催化活性的定向进化研究

  文章以环二肽合酶(cyclodipeptide synthases, CDPSs)为研究对象,验证无标记质谱筛选在酶定向进化中的应用。环二肽合酶利用氨酰-tRNA底物可以合成二酮哌嗪(diketopiperazines, DKPs)骨架;含有这类骨架的天然产物可以通过肠屏障、血脑屏障,是重要的药物先导化合物。然而,基于蛋白质工程改造环二肽合酶的成功案例非常有限,部分原因在于缺乏高通量的产物分析方法,相关研究仅限于少数理性设计突变。 

  作者以链霉菌Streptomyces noursei来源的AlbC作为研究模型,使用大肠杆菌底盘进行文库构建与筛选。重组表达野生型AlbC的大肠杆菌的主要环二肽产物为cFL。作者首先利用半理性设计,选取底物结合口袋附近的10个位点及口袋外与tRNA密切作用的4个位点,构建和筛选了定点饱和突变(site-saturation mutagenesis, SSM,快速发现了多个产物谱发生明显变化的突变体。其中,有文献报道的8个突变体数据与本文实验结果相符,验证了方法的可行性与准确性;在此基础上,结合新的质谱筛选方法,本文首次对选取的14个位点的266个可能突变体中的238个进行了系统性表征,大大拓展了环二肽酶关键位点的突变效应数据。遗憾的是,从半理性设计文库中并未发现可以合成新产物的AlbC突变体。 

2:无标记质谱方法筛选得到AlbC突变体生产新的环二肽产物cFV

  作者进一步利用易错PCR技术构建了AlbC随机突变文库,对4500个随机挑选的克隆开展无标记质谱分析,最终筛选得到3个突变体。与野生型相比,这3个突变体质谱谱图中出现了新的质荷比为247的离子峰,经高分辨质谱和二级质谱分析,新的产物鉴定为cFV,在表达野生型AlbC的菌株中未被检测到。并且,这3个突变体经DNA测序分析发现均只含有F186L单一突变(图2)。文章最后,作者利用分子动力模拟技术,对F186L突变效应的分子机制进行了推测。 

  综上,文章依托深圳合成生物大设施的机器人平台,开发了面向酶定向进化的无标记质谱筛选技术,在新催化活性发现这一工程目标方面进行了概念性验证。未来发展方向包括进一步提高筛选通量、扩大适用分子范围、对接不同类型质谱仪等。 

  本研究得到国家重点研发计划、国家自然基金等项目支持。 

 

  PI与课题组简介: 

  司同,中科院深圳先进院合成生物学研究所研究员,博士生导师国家重点研发计划合成生物学项目首席科学家,国家高层次人才(青年),深圳合成生物研究重大科技基础设施总工艺师课题组方向为自动化合成生物技术,包括机器学习指导蛋白工程、高通量质谱筛选等,用于开发微生物细胞工厂研究和生产燃料、化工品、药物等重要分子,前期成果在Nature Communications, JACS, Angew ChemieMetabolic Engineering等国际著名学术期刊发表论文40余篇,谷歌学术引用超过2200次。 

  课题组长期致力于面向合成生物研究开发高通量质谱仪器和新方法,现招聘质谱、仪器分析、微流控方向博士后、工程师和访问学生等,有意申请者请将个人简历以邮件方式发送至tong.si@siat.ac.cn

  实验室主页 

  http://isynbio.siat.ac.cn/sitonglab/