ఎంజైమ్ ఇంజనీరింగ్
అందరికి ప్రవేశం

నైరూప్య

సాక్రోరోమైసెస్ సెరెవిసియా ప్రొటీన్‌ల శుద్దీకరణ విజయ రేటుపై మోడలింగ్ విశ్లేషణలు

గ్వాంగ్ వు మరియు షావోమిన్ యాన్  

Saccharomyces cerevisiae అనేది పరిశోధన మరియు పరిశ్రమలలో అత్యంత విస్తృతంగా ఉపయోగించే ఈస్ట్, అయితే దాని ప్రోటీన్ ఉత్పత్తి కోసం దిగువ ప్రక్రియలు ఖరీదైనవి. ఈ అధ్యయనం అమైనో ఆమ్ల లక్షణాలతో ప్రోటీన్ శుద్దీకరణ యొక్క విజయవంతమైన రేటును అంచనా వేయడానికి సులభమైన మార్గాన్ని కనుగొనడానికి ప్రయత్నించింది. లాజిస్టిక్ రిగ్రెషన్ మరియు న్యూరల్ నెట్‌వర్క్ మోడల్ 535 అమైనో యాసిడ్ లక్షణాలను ఒక్కొక్కటిగా పరీక్షించడానికి ఉపయోగించబడ్డాయి, S. సెరెవిసియా నుండి 1294 వ్యక్తీకరించబడిన ప్రోటీన్‌ల యొక్క శుద్ధీకరణ స్థితికి వ్యతిరేకంగా, వాటిలో 870 శుద్ధి చేయబడ్డాయి. లాజిస్టిక్ రిగ్రెషన్ కంటే న్యూరల్ నెట్‌వర్క్ యొక్క ప్రిడిక్టివ్ పనితీరు మరింత శక్తివంతమైనదని ఫలితాలు చూపిస్తున్నాయి. ప్రోటీన్ల యొక్క శుద్దీకరణ ధోరణిని అంచనా వేయడానికి కొన్ని అమైనో యాసిడ్ లక్షణాలు ఉపయోగపడతాయి మరియు తక్కువ నిర్దిష్టతతో కూడిన చాలా ఎక్కువ సున్నితత్వం ద్వారా విభిన్నమైన అమైనో ఆమ్ల లక్షణాలు మెరుగ్గా పని చేస్తాయి. అంతేకాకుండా, అమైనో యాసిడ్ జతలలో అధిక ఊహాజనిత భాగాన్ని కలిగి ఉన్న S. సెరెవిసియా ప్రొటీన్లు తక్కువ ఊహాజనిత భాగాన్ని కలిగి ఉన్న వాటి కంటే శుద్దీకరణ అంచనా యొక్క అధిక ఖచ్చితత్వాన్ని కలిగి ఉంటాయి. అందువల్ల, ప్రోటీన్ సీక్వెన్స్ సమాచారం ఆధారంగా న్యూరల్ నెట్‌వర్క్‌ని ఉపయోగించి S. సెరెవిసియా ప్రొటీన్‌ల శుద్దీకరణ విజయ రేటును అంచనా వేయవచ్చు. ఈ సాధారణ అంచనా ప్రక్రియ ప్రోటీన్ శుద్ధి చేయబడే సంభావ్యత గురించి ఒక భావనను అందిస్తుంది, ఇది బ్లైండ్‌ఫోల్డ్ ప్రయోగాలను అధిగమించడానికి మరియు రూపొందించిన ప్రోటీన్‌ల ఉత్పత్తిని మెరుగుపరచడానికి సహాయపడుతుంది.