来源：Rational design of ancestral L-asparaginase via dynamics-guided engineering for improvement of thermostability and acrylamide mitigation efficiency（International Journal of Biological Macromolecules）| 编译：DNA Lab Space | 原文许可：elsevier-subscription
导读
L-天冬酰胺酶（ASNase）兼具急性淋巴细胞白血病治疗与食品加工中丙烯酰胺消减的双重功能，但工业预处理的高温、碱性及复杂离子环境使其稳定性与催化效率难以兼得。研究者提出进化动力学引导工程（EDGE）策略，整合系统发育重建与残基级构象柔性分析，以古菌超嗜热分支祖先序列为起点，经两阶段计算筛选获得三重突变体S282P/A117P/D250M，比活力达4892.71 U/mg（较祖先酶提升3.29倍），85°C下半衰期延长至141.6分钟。在100°C、30分钟严苛条件下，该酶使薯条丙烯酰胺降低70.2%，中药材样品降低57.0%。
研究背景
L-天冬酰胺酶被公认为连接制药与食品加工两大领域的双功能生物催化剂。临床上，它通过系统性耗竭恶性细胞循环中的天冬酰胺，成为急性淋巴细胞白血病的一线治疗药物；食品工业中，它被视作消减丙烯酰胺最有效的生物干预手段。丙烯酰胺被列为2A类可能人类致癌物，主要源于富含天冬酰胺的农产品（如马铃薯和传统中药材）在油炸、烘焙等高温加工过程中经美拉德反应天然生成。尽管FDA和EFSA等国际监管机构强烈推荐酶法预处理以降低毒性负荷，但工业实施面临严重瓶颈——多数酶制剂在高温、碱性及复杂离子环境中快速失活，而热稳定性的提升往往以牺牲催化效率为代价。从独特生态位挖掘新型ASNase成为近期研究热点，但如何打破稳定性与活性之间的固有矛盾仍是核心挑战。
研究方法
2.1 菌株、质粒与化学试剂
大肠杆菌BL21(DE3)菌株持续保藏于实验室菌种库，作为指定表达宿主。携带合成L-ASNase基因序列的pET28a(+)载体购自AZENTA Biotechnology Co., Ltd.，用于重组蛋白生产。关键生化底物与检测试剂，包括L-天冬酰胺（L-ASN）、奈斯勒试剂和三氯乙酸（TCA），购自上海化学试剂有限公司。高保真分子克隆操作依赖Phanta® Max Super-Fidelity DNA聚合酶及ClonExpress® MultiS One Step Cloning Kit（Vazyme Biotech Co., Ltd., 南京）。常规微生物学耗材，如卡那霉素、异丙基-β-D-硫代半乳糖苷（IPTG）和Bradford蛋白定量试剂盒组分，购自生工生物工程（上海）股份有限公司。除非另有明确说明，实验方案中使用的所有标准化学品均为市售最高分析纯级别。
【数据】菌株：E. coli BL21(DE3)；载体：pET28a(+)；试剂：L-ASN、奈斯勒试剂、TCA、卡那霉素、IPTG；来源：AZENTA、上海化学试剂、Vazyme、生工生物
2.2 EDGE框架的构建
为构建EDGE框架，将序列进化信号与基于结构的动力学描述符相结合，以实现：（i）确定合理的起始支架；（ii）精确定位允许突变且对动力学敏感的热稳定化区域。简言之，以目标酶为查询序列，从NCBI非冗余数据库收集同源L-天冬酰胺酶序列，去除冗余条目后保留涵盖主要分类群的50条代表性序列用于下游分析。使用MAFFT进行多序列比对，在系统发育推断前检查比对结果并修剪末端比对不良区域及含空位列。随后在RAxML（版本8.2.12）中采用最大似然法构建系统发育树，使用适当的氨基酸替代模型（PROTGAMMAAUTO模型），以1000次快速自举重复评估节点支持度；基于校正后的比对计算残基保守性得分，以注释受强进化约束的位点与高可变位点。
与此同时，通过计算动态柔性指数（DFI）量化残基水平柔性：将蛋白质表示为弹性网络模型——其中Cα原子（或选定的重原子）由距离依赖性弹簧连接——应用线性响应理论评估每个残基对分布于整个网络的各向同性小力扰动的位移响应；DFI值随后被归一化并沿序列映射以生成柔性谱图。EDGE通过将保守性指标与DFI值投影到相同残基索引上整合两层信息，实现残基分类：保守-刚性核心位点、保守-可动位点、可变-刚性位点及可变-柔性位点；后者被优先列为候选干预位点，因其既受纯化选择约束较弱，又在扰动下具有动态响应性。
除位点优先级排序外，EDGE还用于合理化祖先基线支架的选择。以RAxML拓扑结构为指导，沿超嗜热分支的关键内部节点采用最大似然法进行祖先序列重建（ASR）（记录每个推断位点的后验概率），生成一组候选祖先序列。随后根据EDGE定义的刚性-柔性设计目标——保留保守刚性核心同时维持柔性外围环——筛选这些ASR候选序列，比较其保守性模式及推断替代与DFI引导残基类的兼容性；最佳满足这些标准的候选序列被选作起始支架，命名为Anc-ASNase，用于后续工程改造。
【数据】序列数：50条代表性同源序列；软件：MAFFT、RAxML 8.2.12；模型：PROTGAMMAAUTO；自举重复：1000次；DFI分类：保守-刚性/保守-可动/可变-刚性/可变-柔性
2.3 突变体的计算筛选
随后使用iCASE动态响应模型（Python 3.11实现）进行定点设计，该模型是基于结构的监督式机器学习框架。针对基线Anc-ASNase支架，通过在1–4000 bar压力范围内进行的分子动力学（MD）模拟计算等温压缩率（βT），识别表面暴露且高波动的残基。每个残基i的动态挤压指数（DSI）计算如下：
DSIi = ΣΔV_active_i / ΣΔV_total_i
DSI > 0.8（即动态敏感性前20%）的候选位点被优先考虑。这些与催化活性呈正相关的候选位点，通过纳入关键物理化学与结构特征进一步精炼：从MD轨迹中提取βT、DSI、均方根偏差（RMSD）、回旋半径（Rg）和溶剂可及表面积（SASA），归一化后输入预训练的随机森林回归器以预测适应性。
为执行生产运行并预测折叠稳定性，使用GROMACS 2023.4软件包结合CHARMM36m力场进行全原子MD模拟。蛋白质系统溶解在边界距离至少1.0 nm的TIP3P水盒子中，并以0.15 M NaCl中和。能量最小化采用最陡下降算法，直至最大力阈值低于1000 kJ/(mol·nm)。平衡分两个连续阶段进行：首先使用V-rescale恒温器进行1 ns NVT系综模拟以匹配热应力条件，随后使用Parrinello-Rahman恒压器在1 bar下进行1 ns NPT系综模拟。然后进行100 ns无约束生产运行并分析以追踪结构紧凑性。
对于稳定化预测，采用Pythia深度学习预测器进行计算机模拟饱和突变，在优先位点枚举所有19种非天然替代。使用严格的预测折叠自由能（ΔΔG）≤ −2.0 kcal/mol截止值过滤变体，以确保稳健的热力学稳定性。通过R语言bio3d包生成的动态交叉相关矩阵（DCCM）阐明稳定化结构间的动态变构通讯。为映射这些相关性，使用igraph和circlize R包构建基于circos的蛋白质接触网络（PCN），对交叉相关值施加>0.45的严格阈值以滤除随机噪声并强调稳定的长程动态耦合。对Cα坐标进行主成分分析（PCA）以降维。最后，使用玻尔兹曼关系将自由能景观（FEL）投影到PC1和PC2子空间：
Gx = −KBT·lnPx
【数据】压力范围：1–4000 bar；DSI阈值：>0.8；力场：CHARMM36m；水模型：TIP3P；边界距离：≥1.0 nm；盐浓度：0.15 M NaCl；能量最小化阈值：<1000 kJ/(mol·nm)；平衡：1 ns NVT + 1 ns NPT；生产运行：100 ns；ΔΔG截止值：≤ −2.0 kcal/mol；PCN阈值：>0.45
2.4 NetMD方法学
NetMD是一个计算框架，旨在同步多个分子动力学（MD）轨迹并识别共识行为。工作流程首先使用Python包GetContacts将原始MD帧转换为残基-残基接触图。为分离信息丰富的结构特征并消除随机噪声，这些图经过基于熵的边过滤——用户定义阈值（由-e标志参数化）决定相互作用捕获的灵敏度；较低阈值纳入较弱、微妙的相互作用，而较高阈值优先考虑最稳健和动态的结构特征。这些过滤后的图随后使用graph2vec算法转换为有意义的低维向量，将复杂构象快照嵌入紧凑的16维表示中，保留基本结构拓扑。为解决独立轨迹间的时间错位问题，后续分析步骤原文未详述。
【数据】软件：GetContacts、graph2vec；嵌入维度：16维；过滤参数：-e标志（阈值原文未详述）
2.5 实验验证方法（原文未完整呈现）
原文未详述。
【数据】原文未详述
研究结果
3.1 进化重建与动态柔性谱图分析
通过纳入50条代表性同源序列进行综合分析，将ASNase的进化分歧映射为两个主要谱系：广泛分布的标准亚型和高度特化的生态位适应亚家族（图1）。多条序列观察到的显著分支长度表明，这些酶经历了强烈的适应压力以在极端生态条件下存续。
为探究这种适应的生物物理基础，使用动态柔性指数（DFI）量化残基水平原子波动并可视化所得动力学谱图（图1）。DFI景观揭示了清晰的结构-动力学-功能层级关系。结构刚性区域（DFI < 0.2），特别是残基100–120附近富集的区域，与系统发育比对中高度保守的区段密切重合，与纯化选择维持刚性核心支架以支持整体稳定性的结论一致。相比之下，高柔性（DFI ≥ 0.6）的动态"热点"主要分布于残基50–70之间，表现出显著更高的序列变异性，提示一种进化策略——外围环保留局部可塑性以适应底物相互作用和功能多样化，而中心核心保持相对刚性以维持催化框架。
基于系统发育框架，沿超嗜热分支的关键内部节点进行祖先序列重建（ASR）。同时使用动态柔性指数（DFI）分析残基水平动力学，以定义目标刚性-柔性架构（刚性保守核心与柔性外围环偶联）。随后根据DFI衍生标准评估ASR候选序列，最佳匹配所需刚性-柔性模式的祖先变体被选作起始支架，命名为Anc-ASNase。
【数据】序列数：50条；DFI刚性区域：<0.2（残基100–120）；DFI柔性热点：≥0.6（残基50–70）
3.2 Anc-ASNase的酶学动力学特征
初步生化表征确定Anc-ASNase对碱性操作环境保持强烈偏好，在Tris-HCl缓冲系统中于pH 8.0达到最大比活力（图2A）。当环境转向酸性（pH < 6.0）时，比活力骤降至60%以下。这种下降可能由活性位点关键催化亲核试剂的质子化介导。然而，该酶表现出优异的碱性耐受性，在pH 7.0至10.0的广泛范围内持续维持峰值相对活性的80%以上。长期稳定性测定清晰印证了这种碱性偏好：在pH 10.0下连续孵育30小时后，野生型酶 remarkably 保留约63%的原始催化效率。形成鲜明对比的是，pH 4.0酸性储存触发完全结构崩溃，在短短6小时内导致催化功能完全丧失（图2B）。
热谱分析明确证实Anc-ASNase的超嗜热起源，酶促反应速率在95°C时急剧达峰（图2C）。该酶表现出强烈的耐热性，在超过80°C的所有温度梯度下维持最大活性的50%以上，并在90°C时相对活性超过80%。在80°C至100°C的长期热稳定性压力测试中（图2D），Anc-ASNase在前30分钟内活性快速下降。这种初始下降可能标志着从天然状态到部分解折叠但亚稳定的中间构象的快速结构转变。值得注意的是，超过这一初始冲击后，降解曲线趋于平台期：在80–85°C下经受2小时暴露后，该酶成功保留起始活性的50%。即使面对90°C和95°C的近沸腾胁迫，残余活性仍分别维持在43%和35%的令人印象深刻水平。
此外，外源变量（如金属离子和化学变性剂）的引入揭示了更多稳健特征。虽然某些金属离子的存在严重削弱催化周转，但特定金属离子的添加起到强效酶激活剂作用，有效将整体效率提升1.87倍（图2E）。这一激增强烈表明该金属离子可能作为关键结构辅因子，积极优化活性位点几何构型并大幅稳定水解过程中的过渡态。该酶还表现出对化学解折叠的强烈抵抗：在2 M和8 M尿素环境中长时间暴露后，分别remarkably保留87%和38%的活性（图2F）。此外，为评估其在实际食品加工中的可行性，还研究了该酶的耐盐性和机械剪切抗性（表S2、表S3和图S1），实验结果提供了更深入的见解，表明该突变体的酶活性在高盐和高剪切力环境中仍受到不同程度的影响。
【数据】最适pH：8.0（Tris-HCl缓冲液）；pH < 6.0时比活力<60%；pH 7.0–10.0范围维持>80%相对活性；pH 10.0孵育30h保留~63%活性；pH 4.0储存6h完全失活；最适温度：95°C；80°C以上维持>50%最大活性；90°C时>80%相对活性；80–85°C暴露2h保留50%活性；90°C残余活性43%；95°C残余活性35%；金属离子激活倍数：1.87倍；2M尿素保留87%活性；8M尿素保留38%活性
3.3 Anc-ASNase的理性工程改造
基于生物物理读数，启动了将动力学引导位点选择与自由能筛选相结合的理性工程流程。具体而言，采用近期报道的iCASE框架，该框架通过等温压缩率辅助扰动策略缓解传统稳定性-活性权衡。iCASE使用基于结构的监督学习构建变体特异性动态响应的预测模型，从而将序列变化与可测量的结构响应模式联系起来。
在iCASE引导下，首先优先考虑表面暴露且表现出显著动态敏感性并可能参与早期热失稳的位点。随后使用pythia通过计算机模拟饱和突变评估这些位点的候选替代，根据预测的折叠自由能变化（ΔΔG）对变体进行排序。从该筛选中，选择一组具有强烈有利ΔΔG偏移的高分单点变体用于合成和实验验证（表S4）。
在大肠杆菌BL21宿主中表达后，所有十个变体均纯化至绝对均一性，表现出与野生型（WT）支架相似的基线理化性质（表1）。S282P、A117P和D250M替代作为异常强效的独立突变脱颖而出，分别产生2151.6、1958.7和1714.1 U/mg的巨大比活力（对应WT的1.45倍、1.32倍和1.16倍提升）。为最大化这些效益，整合这些突变形成双组合（表S5）和三重组合（表2）。
该活动的最杰出成果——S282P/A117P/D250M三重突变体——释放了催化能力的非凡激增，达到4892.7 U/mg的峰值比活力，较天然酶实现3.29倍的巨大提升。关键的是，该变体同时将85°C下的热半衰期（t1/2）延长了令人印象深刻的40.3分钟。通过同时放大比活力和热耐受性，该工程组合决定性地打破了普遍存在的稳定性-活性权衡壁垒。还测定了Anc-ASNase和S282P/A117P/D250M的动力学常数kcat和Km。结果显示三重突变体S282P/A117P/D250M的kcat增加3.05倍，同时保持相当的底物亲和力Km，该结果呈现在修订后的补充信息中（表S6）。
【数据】S282P比活力：2151.6 U/mg（1.45倍）；A117P比活力：1958.7 U/mg（1.32倍）；D250M比活力：1714.1 U/mg（1.16倍）；三重突变体S282P/A117P/D250M比活力：4892.7 U/mg（3.29倍）；85°C热半衰期延长：40.3 min；kcat增加：3.05倍；Km：保持相当（具体数值见补充表S6）
3.4 结构分析与分子动力学模拟
为解码驱动这种前所未有的稳定性的精确构象机制，深入分析了修饰后的结构架构。RMSF（均方根波动）分析揭示突变位点局部区域的波动模式发生显著改变。分子动力学模拟结果如图5所示。
系统温度稳定性分析确认模拟过程中温度维持在设定值附近。骨架RMSD谱图显示突变体相对初始结构的偏差随时间演化。逐残基RMSF分析揭示了突变对局部和远端残基波动性的影响。时间依赖性回旋半径（Rg）追踪了蛋白质结构紧凑性的动态变化。
动态交叉相关矩阵（DCCM）和结构紧凑性分析显示，从蓝色到红色的颜色梯度代表从负相关（反相关）到正相关（相关）残基运动的转变。突变体表现出重组的动态相关网络，非生产性波动被抑制，而催化所需的功能构象得以保留。
多尺度NetMD景观嵌入、拓扑剪枝和三维变构网络重组分析基于1000个模拟帧进行了集体网络集成的无监督2D投影；黄色球体定义高密度网络重心。
【数据】模拟帧数：1000；RMSF/RMSD/Rg：具体数值原文未详述；DCCM相关/反相关转变：蓝色至红色梯度
3.5 实际应用评估：丙烯酰胺消减效果
酶处理对丙烯酰胺水平和形态的影响如图8所示。在薯条体系中，丙烯酰胺消减效率对温度和酶浓度表现出明确依赖性。在黄芪（Astragalus membranaceus）样品中，丙烯酰胺随时间呈现依赖性降低。扫描电子显微镜（SEM）显微照片对比了未处理对照与酶处理样品的形态差异。
在严苛加工条件（100°C，30分钟）下，工程酶使薯条中丙烯酰胺降低70.2%，中药材样品中降低57.0%。该酶在碱性条件和多种金属离子存在下保持耐受性。
【数据】温度：100°C；时间：30 min；薯条丙烯酰胺降低：70.2%；中药材样品降低：57.0%；碱性条件：耐受；金属离子：多种存在下保持耐受
讨论与解读
本研究的核心结论是概念化并成功实施了进化动力学引导工程（EDGE）策略，以改善源自嗜压古菌Pyrococcus yayanosii CH1的超嗜热L-天冬酰胺酶。在更新后的工作流程中，EDGE首先整合系统发育信息与动态柔性指数（DFI）分析，以定义目标刚性-柔性架构并选择推断的祖先起始支架（Anc-ASNase）用于下游工程。在此支架基础上，最优三重突变体（S282P/A117P/D250M）在85°C严苛热模拟条件下表现出141.6分钟的卓越半衰期，同时比催化活性提高3.29倍至4892.71 U/mg。尽管本研究获得的最优突变体并非已报道变体中酶活性最高的，但它是95°C高温条件下表现最佳者之一（表S8）。这一成就超越了单个动力学或稳定性指标的提升，扩展了工程极端酶在食品和制药应用中的实际性能范围。
该发现的科学与工程意义在于解决了长期公认的限制工业生物催化剂转化的"稳定性-活性权衡"问题。食品加工流程通常需要酶在高温和复杂化学环境中保持活性，而EDGE策略通过动力学引导的设计路径，在不牺牲催化效率的前提下实现了热稳定性的实质性提升。
编译者解读
该研究的方法论亮点在于将进化信息（系统发育重建）与物理化学信息（DFI柔性谱图）深度融合，形成"先选骨架、再定热点"的两级筛选逻辑。三重突变体S282P/A117P/D250M在85°C下半衰期达141.6分钟且比活力提升3.29倍，确实打破了稳定性-活性此消彼长的传统困局。从合成生物学应用看，这种"祖先序列重建+动力学引导突变"的策略具有可推广性——不仅限于ASNase，也可迁移至其他工业酶的热稳定化改造。但需注意，实际食品基质中丙烯酰胺消减效率（70.2%和57.0%）虽显著，仍受酶用量、处理时间及基质渗透性等因素制约，从实验室到规模化应用尚有工艺优化空间。
参考来源
Luo L. Rational design of ancestral L-asparaginase via dynamics-guided engineering for improvement of thermostability and acrylamide mitigation efficiency. International Journal of Biological Macromolecules, 2026. DOI: 10.1016/j.ijbiomac.2026.153764
DOI: 10.1016/j.ijbiomac.2026.153764