| شماره شناسایی
|
:
|
18867896
|
| شماره مدرک
|
:
|
۵۹۹۴۱
|
| نام عام مواد
|
:
|
[گزارش نهایی -ویژه]
|
| شناسه افزوده
|
:
|
آریائی‌نژاد، شهره
|
|
|
:
|
حسینی‌سالکده، قاسم
|
| عنوان اصلي
|
:
|
ارائه روش نوين بيوانفورماتيكی جهت تشخيص دماى عملكرد بهينه‌ى آنزيمهاى زايلاناز با استفاده از توالي آمينواسيدى آنزيمها
|
| عنوان اصلي به زبان ديگر
|
:
|
:A novel in silico method for detection of optimum temperature xylanase based on amino acid sequence enzymes
|
| صفحه شمار
|
:
|
۹۵ ص.:مصور، عکس(رنگی)، جدول، نمودار
|
| وضعیت انتشار
|
:
|
کرج: پژوهشگاه بیوتکنولوژی کشاورزی ایران، ۱۴۰۰
|
| فروست
|
:
|
شماره ثبت ۵۹۹۴۱ مورخ ۱۴۰۰/۰۵/۰۵۵۹۹۴۱
|
|
|
:
|
شماره طرح ۹۷۱۳۴۱-۹۵۰۰۴-۰۰۵-۰۳۴-۰۵-۱۲۴
|
|
|
:
|
شماره نامه: سامانه سمپات
|
|
|
:
|
این طرح: بنیادی است
|
| خلاصه یا چکیده
|
:
|
سالانه ميليونها تن ضايعات ليگنوسلولزى در بخش كشاورزى كشور توليد مي شود كه متاسفانه بخش قابل توجهي از آن به شكل غير اصولي و به دور از ملاحظات زيست محيطي رها شده، سوزانده شده و يا دفع مي گردد. تبديل ضايعات ليگنوسولوزى به مواد با ارزش مانند سوخت، مواد شيميايي و بيولوژيك به دليلي ماهيت فيزيك وشيميايي اين مواد و مقاومت بالا به تجزيه به قندهاى تشكيل دهنده جهت توليد محصولات تخميرى و يا تغيير شيميايي بسيار هزينه‌بر ميباشد. از اينرو، يكي از مهمترين فازهاى اقتصادى سازى توليد مواد با ارزش از ضايعات ليگنوسولولزى كشاورزى فرايند پي ش تيمار اين ضايعات و هيدروليز ساختار ليگنوسلولزى جهت آماده سازى براى تخمير توسط ميكروارگانيسمها و يا واكنشهاى شيميايي ميباشد. زايلانازها يك دسته مهم از آنزيم هاى هيدروليز كننده مهم مواد همي سلولزى هستند كه براى هضم قند زايلان لازم هستند و در صنعت نقش مهمي را ايفا ميكنند. يكي از ويژگيهاى اين آنزيم ها كه اهميت زيادى دارند پايدارى حرارتي و دماى بهينه ى فعاليت بالاى آنهاست و مطالعات زيادى براى پيشبيني اين ويژگيها با استفاده از روشهاى يادگيرى ماشين صورت گرفته است. دماى بهينه آنزيمها عاملي اساسي است كه بايد درهنگام انتخاب بيوكاتاليستهاى مناسب براى يك منظور خاص در نظر گرفته مي شود و پيش بيني اين ويژگي با استفاده از روشهاى محاسباتي يك گام مهم و مقرون به صرفه هم از لحاظ زماني و هم از لحاظ هزينه جهت شناسايي آنزيمهاى جديد ميباشد. هدف از اين مطالعه معرفي يك روش محاسباتي براى پيش بيني وابستگي حرارتي زايلانازها ميباشد. اين ابزار سپس براى شناسايي هدفمند زايلانازها با وابستگي هاى حرارتي خاص بر روى داده هاى متاژنومي اجرا شد و منجر به شناسايي سه زايلاناز جديد از ميكروبيوتاى شكمبه گوسفند و گاو شد. در اينجا ما ١TAXyl (پيش بيني كننده فعاليت حرارتي زيلاناز) را ارائه ميدهيم ، يك روش يادگيرى ماشين مبتني بر توالي جديد كه با استفاده از تركيبي از ويژگي هاى مختلف پروتئين آموزش ديده است. اين ابزار يك طبقه بندى كننده با الگوريتم ٢ RF مي باشد كه زايلانازهاى غير گرمادوست ، گرما دوست وبسيار گرمادوست را شناسايي و دسته‌بندى ميكند. عملكرد مدل از طريق تكرارهاى متعدد six-fold cross-validations و همچنين آزمونهاى holdout، مورد ارزيابي قرار گرفته است. TAXyl به صورت سرويس تحت وب در arimees.com به راحتي قابل دسترس است. در ادامه‌ى اين مطالعه زايلاناز مقاوم به حرارت جديد با نام ٨PersiXyn شناسايي، بيان و خالص سازى شد. اين آنزيم بهينه‌ى فعاليت خود را در ٦pH و دماى ٥٠ درجه سلسيوس نشان داد. از سوى ديگر اين آنزيم توانست در برابر يونهاى فلزى مختلف و انواع سورفاكتانتها و بازدارنده‌ها پايدارى مناسبي نشان داده و فعاليت خود را در حضور اين مواد حفظ كند. توليد كوكتل آنزيمي زايلاناز نوتركيب با آنزيم آلفا آميلاز موجب بهبود هيدروليز خوراك طيور، افزايش تركيبات فنولي، خواص آنتي اكسيداني و تغذيهاى آن شد و نتايج تاييد كننده‌ى قابليت بالاى اين كوكتل در صنعت خوراك طيور بود. واژگان كليدى: يادگيرى ماشين ، شناسايي هدف مند ، زايلاناز ، متاژنوميكس ، دماى بهينه
|
|
|
:
|
Growing industrial utilization of enzymes and the increasing availability of metagenomic data highlight the demand for effective methods of targeted identification and verification of novel enzymes from various environmental microbiota. Xylanases are a class of enzymes with numerous industrial applications and are involved in the degradation of xylose, a component of lignocellulose. The optimum temperature of enzymes is an essential factor to be considered when choosing appropriate biocatalysts for a particular purpose. Therefore, in-silico prediction of this attribute is a significant cost and time-effective step in the effort to characterize novel enzymes. The objective of this study was to develop a computational method to predict the thermal dependence of xylanases. This tool was then implemented for targeted screening of putative xylanases with specific thermal dependencies from metagenomic data and resulted in the identification of three novel xylanases from sheep and cow rumen microbiota. Here we present TAXyl (Thermal Activity Prediction for Xylanase), a new sequence-based machine learning method that has been trained using a selected combination of various protein features. This random forest classifier discriminates non-thermophilic, thermophilic, and hyper-thermophilic xylanases. The model’s performance was evaluated through multiple iterations of six-fold cross-validations as well as holdout tests, and it is freely accessible as a web-service at arimees.com. Keywords: Machine learning, Targeted identification, Xylanase, Metagenomics, Optimum temperature
|