N-乙酰神经氨酸（NeuAc，又称唾液酸）是母乳低聚糖、糖蛋白与糖脂的重要组成单元，参与细胞信号转导、免疫调节与婴幼儿神经发育，同时也是奥司他韦、扎那米韦等抗病毒药物的关键前体。近日，江南大学生命科学与健康工程学院史劲松教授团队联合宜兴食品与生物技术研究院、四川大学轻工科学与工程学院、英国牛津大学工学院等单位在深度学习驱动的功能化学品微生物细胞工厂构建领域取得重要进展。研究成果“Metabolic engineering and deep learning-driven protein engineering for N-Acetylneuraminic acid biosynthesis in Escherichia coli”发表在Nature Communications期刊（IF18.1，1区Top期刊）。江南大学2021级博士生王南凯为论文第一作者，史劲松教授和龚劲松教授为论文通讯作者。研究团队特别感谢牛津大学Wei E. Huang教授的指导支持。

针对NeuAc合成途径中关键酶N-乙酰葡萄糖胺2-差向异构酶（AGE）催化效率不足、以及产物被未知转运蛋白重吸收等关键瓶颈问题，研究者基于深度学习提升了DLcatalysis对k_cat/K_m的预测精度，以此驱动酶的挖掘与迭代进化，并结合基因组尺度代谢模型完成全局靶点的优化，最终在5-L发酵罐中实现NeuAc产量85.5 g·L^-1。

研究创新点

●基于前期基础，搭建了深度学习框架DLcatalysis，将k_cat/K_m的预测显式分解为酶基线项、底物基线项与酶–底物交互项之和，并引入同酶内与同底物内两个成对排序损失，使模型输出直接对应筛酶与改酶所依赖的排序关系。

●建立SEED（Sequential Experimentally Enhanced Design）主动学习闭环，将实测突变体数据回训模型以指导下一轮设计，仅用20个实测样本即将改酶命中率由25%提升至45%。

●以DLcatalysis驱动同源序列挖掘，从约26000条候选序列中收敛至41个并实测前3名，获得高效差向异构酶AGE^Bf；经迭代组合改造获得四点突变体AGE^BfM9，催化效率达野生型的3.25倍。

●结合基因组尺度代谢模型与OptKnock算法，鉴定出此前未被注释为NeuAc转运蛋白的exuT基因，敲除后有效阻断产物重吸收，优化菌株在5-L发酵罐中NeuAc产量达85.5 g·L^-1。

图1 大肠杆菌中NeuAc生物合成途径的构建

图2 基于深度学习的关键酶基因筛选与挖掘

研究意义

本研究不仅搭建了DLcatalysis这一面向排序任务的酶动力学预测框架，更构建了从深度学习驱动的酶挖掘与改造、模块化途径平衡到基因组尺度全局优化的完整技术体系，实现了NeuAc的高效微生物合成。研究提出的“元件—模块—网络”分层设计思路强调，最高活性的单一元件未必构成最优途径，需在通量平衡层面进行系统协调。该框架不局限于特定途径，其中的预测模型亦可拓展至转运蛋白、调控蛋白与表达元件等其他生物元件的筛选与设计，为高附加值功能化学品的合成生物制造提供了可借鉴的工程范式。

上述研究工作得到国家重点研发计划、国家自然科学基金等项目资助。文章链接：https://doi.org/10.1038/s41467-026-77406-2