ML-Guided Enzyme Engineering: Designing Industrial Biocatalysts with Artificial Intelligence

Why It Matters

Enzymes catalyze reactions with exquisite selectivity under mild conditions—but natural enzymes rarely perform well in industrial settings (high temperatures, organic solvents, extreme pH). Directed evolution (Nobel Prize 2018, Frances Arnold) revolutionized enzyme optimization, but exploring the vast sequence space (20^N possibilities for N residues) remains impossibly slow through random mutagenesis. Machine learning is changing this calculus, navigating fitness landscapes intelligently to find optimal enzymes in a fraction of the experimental effort.

The Science

The Stability-Activity Trade-Off

A persistent challenge: mutations that increase thermostability often decrease catalytic activity, and vice versa. The fitness landscape contains narrow ridges where both properties improve simultaneously—ML helps find these ridges.

2025 Breakthrough: iCASE Strategy

A Nature Communications study introduces iCASE (isothermal Compressibility-Assisted dynamic Squeezing index perturbation Engineering):

MODIFY: Fitness-Diversity Co-Optimization

A 2024 Nature Communications study presents MODIFY, an ML algorithm that designs combinatorial mutant libraries balancing:

• Fitness: Predicted activity/stability scores
• Diversity: Functional diversity within the library to explore multiple solutions
• Applied to cytochrome c engineering, reportedly achieving 5x improvement in previously uncharacterised functions

TeleProt: Blending Evolution and Experiment

A 2025 Cell Systems paper introduces TeleProt, which combines:

• Evolutionary signals: Protein language models (ESM-2) capture natural sequence constraints
• Experimental feedback: Active learning from high-throughput screening data
• Result: Finding significantly better top-performing enzymes than directed evolution alone, with higher hit rates for diverse, high-activity variants

The New Enzyme Engineering Workflow

Industrial Applications

• Plastic degradation: Engineered PETases with 100x improved thermostability for PET recycling at industrial temperatures
• Pharmaceutical synthesis: Enantioselective enzymes replacing heavy metal catalysts in API manufacturing
• Textile processing: Thermostable cellulases and laccases for eco-friendly fabric treatment
• Food industry: Lipases and proteases optimized for specific temperature/pH profiles

What To Watch

The integration of AlphaFold-predicted structures with ML-guided engineering is enabling rational design even for enzymes without crystal structures. Foundation models for protein function prediction (analogous to GPT for text) are emerging, promising few-shot enzyme optimization. Expect ML-designed enzymes to dominate new industrial biocatalysis applications by 2028.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 학술 연구에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 반드시 검증해야 한다.

중요성

효소는 온화한 조건에서 탁월한 선택성으로 반응을 촉매하지만, 자연 효소는 산업 환경(고온, 유기 용매, 극단적 pH)에서 좋은 성능을 발휘하는 경우가 드물다. 지향 진화(directed evolution)(2018년 노벨상, Frances Arnold)는 효소 최적화에 혁신을 가져왔지만, 방대한 서열 공간(N개 잔기에 대해 20^N가지 가능성)을 무작위 돌연변이 유발로 탐색하는 것은 여전히 불가능할 만큼 느리다. 머신러닝(machine learning)은 이러한 계산 방식을 변화시켜, 적합도 지형(fitness landscape)을 지능적으로 탐색함으로써 실험적 노력의 일부만으로 최적의 효소를 찾아낸다.

과학적 배경

안정성-활성 트레이드오프

지속적인 과제: 열안정성을 높이는 돌연변이는 촉매 활성을 저하시키는 경우가 많고, 그 반대도 마찬가지이다. 적합도 지형에는 두 특성이 동시에 향상되는 좁은 능선이 존재하며, ML은 이러한 능선을 찾는 데 도움을 준다.

2025년 혁신: iCASE 전략

Nature Communications에 발표된 연구는 iCASE(등온 압축률 보조 동적 스퀴징 지수 섭동 공학, isothermal Compressibility-Assisted dynamic Squeezing index perturbation Engineering)를 소개한다:

MODIFY: 적합도-다양성 공동 최적화

2024년 Nature Communications 연구는 다음의 균형을 맞추는 조합 돌연변이 라이브러리를 설계하는 ML 알고리즘 MODIFY를 제시한다:

• 적합도: 예측된 활성/안정성 점수
• 다양성: 복수의 해를 탐색하기 위한 라이브러리 내 기능적 다양성
• 사이토크롬 c(cytochrome c) 공학에 적용하여, 기존에 특성이 규명되지 않은 기능에서 5배의 향상을 달성한 것으로 보고된다

TeleProt: 진화와 실험의 융합

2025년 Cell Systems 논문은 TeleProt을 소개하며, 이는 다음을 결합한다:

• 진화적 신호: 단백질 언어 모델(protein language model)(ESM-2)이 자연 서열 제약을 포착한다
• 실험적 피드백: 고처리량 스크리닝 데이터를 활용한 능동 학습(active learning)
• 결과: 지향 진화 단독 방식 대비 훨씬 우수한 최고 성능 효소를 발굴하며, 다양하고 높은 활성을 지닌 변이체의 적중률(hit rate)이 향상된다

새로운 효소 공학 워크플로우

산업적 응용

• 플라스틱 분해: 산업 온도에서 PET 재활용을 위해 열안정성이 100배 향상된 PETase 공학
• 제약 합성: 원료의약품(API) 제조에서 중금속 촉매를 대체하는 거울상 선택성 효소
• 섬유 가공: 친환경 직물 처리를 위한 열안정성 셀룰라제(cellulase) 및 라카아제(laccase)
• 식품 산업: 특정 온도/pH 프로파일에 최적화된 리파아제(lipase) 및 프로테아제(protease)

주목할 사항

AlphaFold 예측 구조와 ML 기반 공학의 통합은 결정 구조가 없는 효소에 대해서도 합리적 설계를 가능하게 하고 있다. 텍스트에 대한 GPT에 비견되는 단백질 기능 예측을 위한 파운데이션 모델(foundation model)이 등장하고 있으며, 퓨샷(few-shot) 효소 최적화를 가능하게 할 것으로 기대된다. 2028년까지 ML 설계 효소가 새로운 산업용 생체촉매 응용 분야를 주도할 것으로 전망된다.