α-淀粉酶Amy7C及其突变体催化常数的定量预测

【目的】利用α-淀粉酶Amy7c及其突变体的氨基酸信息，预测该酶的催化常数（Kcat），并筛选出能预测α-淀粉酶Kcat最具效果的氨基酸属性。【方法】先以20-l前馈反向传播的神经网络为模型，完成535种氨基酸属性对α-淀粉酶Amy7C及其突变体催化常数的拟合。再将α-淀粉酶Amy7C及其54个突变体的数据分为2组，用35个酶作为训练组进行拟合，20个酶作为验证组进行检验。最后，对8种不同层次及神经元个数的模型进行比较。【结果】110个氨基酸属性可实现20-l神经网络模型收敛，表明这些氨基酸属性可用于预测α-淀粉酶的催化常数，不同指标的预测效果不同。多模型的分析结果显示，不同模型对训练组R值的结果具有显著性差异，而对训练组P值、验证组R值和验证组P值结果无显著性差异。【结论】氨基酸分布概率等属性可以用于预测α-淀粉酶催化常数。四层神经网络模型是预测α-淀粉酶催化常数的相对理想的模型。