.png){kind=icon}
返回
A machine learning-based workflow for transaminase selection
.png){kind=icon}
OA
AI
DOI：10.1039/D6SC00852F.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
转氨酶可在药物化学中有策略地用于以简便的方式合成手性胺砌块，从而缓解对制备性手性分离的需求。然而，对于给定底物选择商业转氨酶变体，若缺乏对其反应活性的先验知识或经验，则可能是一项具有挑战性的任务。在此，我们描述了利用高通量实验（HTE）构建包含336个转氨酶反应的数据集，并随后开发了机器学习（ML）模型以预测酶活性和选择性。我们的结果表明，这些模型在预测底物转化率和选择性top-k酶选择方面，其准确性优于基线实验。最后，我们展示了该建模工作流程的前瞻性应用，用于为保留的环酮数据集选择转氨酶，并制备了一组与药物化学高度相关的手性胺。
Keyword:
transaminase
machine learning
chiral amines
high-throughput experimentation
enzyme selection