木质纤维素是秸秆等的主要结构成分，在我国储量丰富且具有可再生性，将其高值化利用是解决大规模生物产业“碳源”的有效途径。但木质纤维素材料具有多种化学成分和多层次的超分子结构，导致其降解过程需要多种降解酶，反应过程的不均一性使得难以将其进行生物转化。目前，木质纤维素大分子结构与降解酶系组成之间定量构效关系仍不明确，因此底物结构定制的高效降解酶系精准设计难度较大。 

　　近日，中国科学院天津工业生物技术研究所吴信研究员带领的营养资源合成生物学研究团队在木质纤维素结构定制酶系组成方面取得新进展。研究团队基于2269组实验验证的酶与底物的定量构效关系数据集，创建了木质纤维素结构-酶系组成的无监督机器学习模型，从木质纤维素结构与降解酶系组成之间的复杂数据关系和多维性模式识别中挖掘隐含规律，根据木质纤维素结构特性精确求解，破译最佳酶系组成的新算法，模型预测的准确率达到91.98%。接下来进一步验证了模型预测酶的效果，基于多种农业副产物（脱木质素的甘蔗渣、玉米芯渣、小麦秸秆、棉杆）定制专属的降解酶系，并将其应用于在固态发酵生产微生物蛋白实验中，实现了多种农业副产物的固态发酵；研究结果显示，不同农业副产物固态发酵后粗蛋白含量由6.97-7.75%提升至19.70-27.27%,真蛋白含量由3.87-4.34%提升至15.80-20.92%，说明该机器模型在缩小潜在最佳酶系组合范围、加快最优酶系筛选速度以及实现有效突破木质纤维素抗降解屏障等方面具有高效性，为基于木质纤维素结构特性定量配伍降解酶系组成及比例提供了理论依据，也为摆脱复杂性底物结构-多样性酶系构效关系的实验先验、精准定制木质纤维素结构特性高度适配的降解酶系提供了新策略。 

　　该研究得到国家重点研发计划、中国科学院先导科技专项、吉林省中国科学院省院合作专项等项目的支持，相关研究授权国家发明专利2项，研究结果近期发表于Bioresource Technology期刊。天津工业生物所副研究员高乐和大理大学硕士研究生余卓航为论文共同第一作者，吴信研究员和大理大学周池春副教授为论文通讯作者。 

　　文章链接 

基于木质纤维素结构特性精准定制酶系组成的机器学习模型及应用测试