近日，江南大学生物工程学院郑璞教授团队联合厦门大学研究人员，在覆盆子酮合成酶的高性能改造中取得了重要进展，研究成果“Computational and deep-learning-guided design of raspberry ketone synthase towards concurrent gains in activity and thermostability”正式发表于Bioresource Technology（IF = 9.0）。
覆盆子酮是一类重要的天然芳香化合物，广泛应用于香精香料、食品和医药等领域，但其在植物中的天然含量极低，传统化学合成路线存在环境负担较重、天然属性不足等问题。利用生物催化实现覆盆子酮绿色合成具有重要应用价值，但关键酶覆盆子酮合成酶RiRZS1存在催化效率低、热稳定性差等瓶颈，限制了其工业化应用。
针对这一问题，研究团队构建了“隧道工程-多维虚拟筛选-深度学习指导活性补偿”的分阶段优化流程。通过改善底物传输通道、筛选稳定性增强突变，并进一步利用深度学习模型优化催化微环境，团队最终获得高性能突变体M3（V73W/N99K/D320E/D323E/Y333F/V338A）。与野生型相比，M3表现出显著提升的综合催化性能：相对酶活提高12.06倍，催化效率提高5.91倍，50℃下半衰期提高38.71倍，熔解温度提高5.88℃。进一步结合NADPH辅酶再生体系进行全细胞催化，M3菌株实现覆盆子酮产量提升2.38倍，时空产率提升3.57倍。机制研究表明，M3的性能提升来源于底物通道优化、活性口袋重塑、蛋白整体柔性降低以及催化预反应构象比例增加等多重因素协同作用。该研究突破了传统酶工程中活性提升与稳定性增强难以兼顾的限制，建立了一套可迁移的AI辅助酶设计框架，有望为绿色生物制造、工业酶开发和木质素衍生芳香化合物高值转化提供参考。
图1 图形摘要
论文第一作者为2023级硕士研究生杨洋，通讯作者为陈鹏程副教授。上述研究得到了国家重点研发计划子课题(2025YFA0921202)、工业生物技术教育部重点实验室开放课题（KLIB-KF202501）和江苏省研究生科研与实践创新计划项目（SJCX24_1364）的资助。
文章链接：https://www.sciencedirect.com/science/article/pii/S0960852426010345。
