DIGITAL.CSIC. Repositorio Institucional del CSIC
Publication
Contribución de congreso (ConferenceOutput)
Reconstrucción ancestral y evolución dirigida asistida por aprendizaje automático de enzimas
1 p., En las últimas décadas, el uso de enzimas como biocatalizadores se ha convertido en una tecnología
ampliamente utilizada en distintas industrias. Sin embargo, para lograr que estas enzimas puedan
desempeñar su papel en aplicaciones específicas, incluso en reacciones que no existen previamente
en la naturaleza, se requiere una adaptación previa que permita una mejora de su efectividad y de
sus características intrínsecas (niveles de expresión, estabilidad, selectividad, etc). En este póster
se presenta un ejemplo desde cero realizado en nuestro grupo sobre el proceso completo de
obtención y adaptación de un biocatalizador, en el que se combina la ingeniería clásica de proteínas
con novedosas técnicas bioinformáticas y modelización computacional. El proceso comienza con
el análisis filogenético de un grupo de enzimas para su clasificación en distintos subgrupos. Las
secuencias de los miembros del subgrupo de mayor interés se utilizan para inferir la secuencia de
uno de sus ancestros mediante Reconstrucción Ancestral de Enzimas (ASR), el cual es resucitado y
expresado en el laboratorio. Este ancestro es punto de partida y sus características se adaptan y
mejoran hacia una aplicación específica mediante evolución dirigida. Aquí, la enzima recombinante se
somete a rondas iterativas de mutaciones aleatorias que producen una acumulación de mutaciones
beneficiosas en su secuencia gracias a un cribado mediante high-throughput screening. Como no
es posible inspeccionar el espacio de secuencia por completo en el laboratorio (evaluar todas las
posibles variantes que se pueden producir en la mutación simultánea de distintas posiciones en la
secuencia de la enzima), el proceso de evolución dirigida se guía mediante Machine Learning (ML). El
modelo de ML se entrena para predecir in silico las mutaciones más propensas a mejorar la enzima
y estas variantes son las que se expresan y evalúan en el laboratorio, GENOBIOREF (BIO2017-86559-R)
LIG2PLAST (PID2021-126384OB-I00), Peer reviewed