华东理工大学教授郑高伟团队、副研究员范贵生团队合作，开发了基于局部基序的深度学习酶挖掘新策略，并利用该工具发现了此前未见报道的天然还原型辅酶I（NADH）依赖型亚胺还原酶，为酶工程辅酶类型改造及高效生物催化体系构建奠定了基础。相关研究成果近日发表于《化学》。

亚胺还原酶是合成手性胺的一类重要生物催化剂，近年来已广泛用于医药中间体的合成。然而目前已报道的亚胺还原酶几乎均为还原型辅酶II（NADPH）依赖型，尚未见天然NADH依赖型酶的研究报道。由于缺乏NADH依赖型亚胺还原酶的探针序列，传统基于全序列比对的酶挖掘方法难以使用，制约了天然NADH依赖型亚胺还原酶的挖掘。

为突破此局限，研究团队基于酶的辅酶结合保守基序，开发了PM2S酶挖掘策略。该策略整合了基序搜索、深度学习驱动的迭代检索与结果校准三大模块，成功从15万条基因序列中筛选获得95个候选的天然NADH依赖型亚胺还原酶。实验结果表明，这些候选酶偏好以NADH为辅因子，催化亚胺还原及还原胺化反应，展现出极为宽泛的底物谱，并已用于西那卡塞等药物关键中间体的合成。

机制研究表明，辅因子结合口袋中的关键天冬氨酸残基是决定NADH偏好性的核心位点。该残基可以与NADH稳定结合，而难以结合NADPH；定点突变该残基可彻底逆转辅因子偏好性。

基于局部基序的深度学习酶挖掘策略筛选NADH依赖型亚胺还原酶。研究团队供图

相关论文信息：https://doi.org/10.1016/j.chempr.2026.102956