Uso de assinaturas estruturais para proposta de mutações em enzimas β-glicosidase usadas na produção de biocombustíveis
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Tese de doutorado
Título alternativo
Using structural signatures to propose mutations in β-glucosidase enzymes used in the production of biofuels
Primeiro orientador
Membros da banca
Lucas Bleicher
José Miguel Ortega
Cristiane Neri Nobre
Thiago de Souza Rodrigues
José Miguel Ortega
Cristiane Neri Nobre
Thiago de Souza Rodrigues
Resumo
β-glicosidases (EC 3.2.1.21) são enzimas chave no processo de produção de biocombustíveis de segunda geração. Elas agem em conjunto com endoglucanases e exoglucanases na conversão de biomassa em açúcares fermentáveis. Entretanto, a maior parte das β-glicosidases conhecidas são altamente inibidas por grandes concentrações de glicose. Assim, a busca por mutações que melhorem a atividade de β-glicosidases não tolerantes a inibição por glicose é de grande importância para a indústria. Nesta tese, é apresentada uma revisão sistemática da literatura para coletar informações sobre β-glicosidases glicose-tolerantes e construir uma base de dados, denominada BETAGDB. Além disso, são caracterizados resíduos importantes no bolsão catalítico para atividade e glicose-tolerância. Por fim, apresenta-se um método baseado na diferença de variação de assinaturas estruturais para propor mutações em enzimas, denominado SSV (Structural Signature Variation). SSV usa modelagem em grafos para criar uma assinatura estrutural identificadora de β-glicosidases glicose-tolerantes. O método SSV foi avaliado em três estudos de caso: (i) 27 mutações descritas na literatura foram manual-mente classificadas como benéficas ou não. A seguir, a classificação foi reproduzida utilizando SSV. O método obteve uma acurácia de 0,74 e uma precisão de 0,89; (ii) 18 mutações benéficas foram propostas para a β-glicosidase não tolerante Bgl1B. Resultados experimen-tais de três mutações corroboram os resultados obtidos pelo segundo estudo de caso e demonstram que SSV é um método eficaz para proposta de mutações em β-glicosidases; e (iii) comparou-se SSV com SVM para verificar se a distância euclidiana, métrica usada por SSV para comparação de assinaturas, era eficaz. Comparou-se ainda com BioGPS, um método que usa fingerprints para proposta de mutações baseadas em estruturas tridimensionais. SSV obteve valores de precisão e especificidade superiores a SVM. Na comparação com BioGPS, SSV foi capaz de predizer corretamente cinco em sete mutações validadas em bancada que inseriam atividade amidase em uma lipase. Os resultados obtidos nesta tese podem ajudar na produção de enzimas β-glicosidases mutantes capazes de aperfeiçoar a produção de biocombustíveis de segunda geração. O método SSV pode ser estendido a outras enzimas e pode ainda ser utilizado em conjunto com outras estratégias e ferramentas para propor mutações mais eficientes. SSV está disponível em: <http://bioinfo.dcc.ufmg.br/ssv>.
Abstract
β-glucosidases (EC 3.2.1.21) are key enzymes in the second-generation biofuel production. They act synergically with endoglucanases and exoglucanases in the conversion of biomass to fermentable sugars. However, most known β-glucosidases are highly inhibited by high glucose concentrations. Hence, the search for mutations that improve the activity of non-tolerant β-glucosidases has great importance to the industry. In this thesis, I present a systematic review of the literature to collect information about glucose-tolerant β-glucosidases and to construct a database, called BETAGDB. In addition, important residues for the activity and glucose-tolerance were characterized in the catalytic pocket. Finally, I proposed a method based on the difference of variation of structural signatures to propose mutations in enzymes, called Structural Signature Variation (SSV). SSV uses graph modeling to create a structural signature that identifies glucose-tolerant β-glucosidases. The SSV method was evaluated in three case studies: (i) 27 mutations described in the literature were manually classified as beneficial or not. The classification was then reproduced using SSV. The method obtained an accuracy of 0.74 and a precision of 0.89; (ii) 18 beneficial mutations were proposed for the non-tolerant β-glucosidase Bgl1B. Experimental results of three mutations corroborate the outcomes obtained by the second case study and demonstrate that SSV is an effective method for the proposal of mutations in β-glucosidases; and (iii) SSV was compared with SVM to verify whether the Euclidean distance, metric used by SSV for comparison of signatures, was effective. It was also compared with BioGPS, a method that uses fingerprints to propose mutations based on three-dimensional structures. SSV obtained values of precision and specificity superior to SVM. In comparison to BioGPS, SSV was able to correctly predict five in seven bench-validated mutations inserted amidase activity into a lipase. The results obtained in this thesis may aid in the production of mutant β-glucosidase enzymes capable of enhancing the production of second-generation biofuels. The SSV method can be extended to other enzymes and can also be used together to other strategies and tools to propose more efficient mutations. SSV is available at <http://bioinfo.dcc.ufmg.br/ssv>.
Assunto
Bioinformática, Biocombustíveis, Glicosídeo Hidrolases, Mutação
Palavras-chave
biocombustíveis, β-glicosidases, assinaturas estruturais, mutações, SSV
Citação
Endereço externo
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto