proteïneengineering

Proteïneengineering is het vakgebied dat zich bezighoudt met het ontwerpen en wijzigen van eiwitten om hun eigenschappen te verbeteren of om nieuwe functies te introduceren. Doel is doorgaans betere katalyse, hogere stabiliteit, gewijzigde specificiteit of betere expressie in producentensystemen. Het veld combineert inzichten uit biochemie, moleculaire biologie, biotechnologie en computationele wetenschappen om eiwitten te optimaliseren voor praktische toepassingen.

Methoden omvatten zowel rationeel ontwerp als gerichte evolutie. Bij rationeel ontwerp worden specifieke aminozuurmutaties gekozen op basis van kennis van de eiwitstructuur en activiteit. Bij gerichte evolutie worden grote bibliotheken mutanten gegenereerd en vervolgens via high-throughput screening of selectie geëxtraheerd. Computational design, inclusief structurele modellering en machine learning, ondersteunt het voorspellen van stabiliteit en functie voor vooraf geselecteerde mutaties.

Toepassingen zijn onder meer industriële biocatalyse (enzymen die chemische reacties milieuvriendelijker maken), farmaceutische productie (therapeutische eiwitten, enzymtherapie en bispecifieke antilichamen), diagnostische reagentia, voeding en milieutechnologie. Eiwitten kunnen worden geoptimaliseerd voor hogere activiteit, betere stabiliteit onder extreme omstandigheden en specifieke bindingskenmerken die relevant zijn voor producten en processen.

Belangrijke uitdagingen zijn balans tussen activiteit en stabiliteit, juiste vouwen, en expressie in geschikte systemen (bacteriën, gist, dierlijke cellen of celvrije systemen). Posttranslationele modificaties zoals glycosylering kunnen de functie beïnvloeden en het productieproces bemoeilijken. Ook veiligheids- en regelgevingskwesties en intellectueel eigendom spelen bij toepassingen een rol.

Historisch overzicht: het concept van gerichte evolutie transformeerde proteïneengineering sinds de jaren tachtig. In 2018 ontving Frances H. Arnold de Nobelprijs voor Scheikunde voor haar werk op dit gebied. Tegenwoordig worden computationele methoden en machine learning steeds vaker ingezet naast traditionele mutagenese en screening.