A general approach for the computational design of enzymes to catalyze arbitrary reactions is a goal at the forefront of the field of protein design. Recently, computationally designed enzymes have been produced for three chemical reactions through the synthesis and screening of a large number of variants. Here, we present an iterative approach that has led to the development of the most catalytically efficient computationally designed enzyme for the Kemp elimination to date. Previously established computational techniques were used to generate an initial design, HG-1, which was catalytically inactive. Analysis of HG-1 with molecular dynamics simulations (MD) and X-ray crystallography indicated that the inactivity might be due to bound waters and high flexibility of residues within the active site. This analysis guided changes to our design procedure, moved the design deeper into the interior of the protein, and resulted in an active Kemp eliminase, HG-2. The cocrystal structure of this enzyme with a transition state analog (TSA) revealed that the TSA was bound in the active site, interacted with the intended catalytic base in a catalytically relevant manner, but was flipped relative to the design model. MD analysis of HG-2 led to an additional point mutation, HG-3, that produced a further threefold improvement in activity. This iterative approach to computational enzyme design, including detailed MD and structural analysis of both active and inactive designs, promises a more complete understanding of the underlying principles of enzymatic catalysis and furthers progress toward reliably producing active enzymes.

We present ProtaBank, a repository for storing, querying, analyzing, and sharing protein design and engineering data in an actively maintained and updated database. ProtaBank provides a format to describe and compare all types of protein mutational data, spanning a wide range of properties and techniques. It features a user-friendly web interface and programming layer that streamlines data deposition and allows for batch input and queries. The database schema design incorporates a standard format for reporting protein sequences and experimental data that facilitates comparison of results across different data sets. A suite of analysis and visualization tools are provided to facilitate discovery, to guide future designs, and to benchmark and train new predictive tools and algorithms. ProtaBank will provide a valuable resource to the protein engineering community by storing and safeguarding newly generated data, allowing for fast searching and identification of relevant data from the existing literature, and exploring correlations between disparate data sets. ProtaBank invites researchers to contribute data to the database to make it accessible for search and analysis. ProtaBank is available at https://protabank.org.

Protein structures are dynamic, undergoing specific motions that can play a vital role in function. However, the link between primary sequence and conformational dynamics remains poorly understood. Here, we studied how conformational dynamics can arise in a globular protein by evaluating the impact of individual substitutions of core residues in DANCER-3, a streptococcal protein G domain β1 (Gβ1) variant that we previously designed to undergo a specific mode of conformational exchange that has never been observed in the wild-type protein. Using a combination of solution NMR experiments and molecular dynamics simulations, we demonstrate that only two mutations are necessary to create this conformational exchange, and that these mutations work synergistically, with one destabilizing the native Gβ1 structure and the other allowing two new conformational states to be accessed on the energy landscape. Overall, our results show how conformational dynamics can appear in a stable globular fold, a critical step in the molecular evolution of new dynamics-linked functions.

The creation of artificial enzymes is a key objective of computational protein design. Although de novo enzymes have been successfully designed, these exhibit low catalytic efficiencies, requiring directed evolution to improve activity. Here, we used room-temperature X-ray crystallography to study changes in the conformational ensemble during evolution of the designed Kemp eliminase HG3 (kcat/KM 160 M−1s−1). We observed that catalytic residues were increasingly rigidified, the active site became better pre-organized, and its entrance was widened. Based on these observations, we engineered HG4, an efficient biocatalyst (kcat/KM 120,000 M−1s−1) containing active-site mutations found during evolution but not distal ones. HG4 structures revealed that its active site was pre-organized and rigidified for efficient catalysis. Our results show how directed evolution circumvents challenges inherent to enzyme design by shifting conformational ensembles to favor catalytically-productive sub-states, and suggest improvements to the design methodology that incorporate ensemble modeling of crystallographic data.

Abstract Structural plasticity of enzymes dictates their function. Yet, our ability to rationally remodel enzyme conformational landscapes to tailor catalytic properties remains limited. Here, we report a computational procedure for tuning conformational landscapes that is based on multistate design. Using this method, we redesigned the conformational landscape of a natural aminotransferase to preferentially stabilize a less populated but reactive conformation, and thereby increase catalytic efficiency with a non-native substrate to alter substrate selectivity. Steady-state kinetics of designed variants revealed selectivity switches of up to 1900-fold, and structural analyses by room-temperature X-ray crystallography and multitemperature nuclear magnetic resonance spectroscopy confirmed that conformational equilibria favoured the target conformation. Our computational approach opens the door to the fine-tuning of enzyme conformational landscapes to create designer biocatalysts with tailored functionality.

The ability to create efficient artificial enzymes for any chemical reaction is of great interest. Here, we describe a computational design method for increasing catalytic efficiency of de novo enzymes to a level comparable to their natural counterparts without relying on directed evolution. Using structural ensembles generated from dynamics-based refinement against X-ray diffraction data collected from crystals of Kemp eliminases HG3 (kcat/KM 125 M-1 s-1) and KE70 (kcat/KM 57 M-1 s-1), we design from each enzyme ≤10 sequences predicted to catalyze this reaction more efficiently. The most active designs display kcat/KM values improved by 100-250-fold, comparable to mutants obtained after screening thousands of variants in multiple rounds of directed evolution. Crystal structures show excellent agreement with computational models. Our work shows how computational design can generate efficient artificial enzymes by exploiting the true conformational ensemble to more effectively stabilize the transition state.

Fluorescent proteins are widely used as fusion tags to detect protein expression in vivo. To become fluorescent, these proteins must undergo chromophore maturation, a slow process with a half-time of 5 to >30 min, which causes delays in real-time detection of protein expression. Here, we engineer a genetically-encoded fluorescent biosensor to enable detection of protein expression within seconds in live cells. This sensor for transiently-expressed proteins (STEP) is based on a fully matured but dim green fluorescent protein in which pre-existing fluorescence increases 11-fold in vivo following the specific and rapid binding of a protein tag (Kd 120 nM, kon 1.7 x 10^5 M-1s-1). In live E. coli cells, our STEP biosensor enables detection of protein expression twice as fast as the use of standard fluorescent protein fusions. Our biosensor opens the door to the real-time study of short-timescale processes in research model animals with high spatiotemporal resolution.

Proteins are intrinsically dynamic molecules that can exchange between multiple conformational states, enabling them to carry out complex molecular processes with extreme precision and efficiency. Attempts to design novel proteins with tailored functions have mostly failed to yield efficiencies matching those found in nature because standard methods do not allow for the design of exchange between necessary conformational states on a functionally-relevant timescale. Here, we develop a broadly-applicable computational method to engineer protein dynamics that we term meta-multistate design. We used this methodology to design spontaneous exchange between two novel conformations introduced into the global fold of Streptococcal protein G domain β1. The designed proteins, named DANCERs, for Dynamic And Native Conformational ExchangeRs, are stably folded and exchange between predicted conformational states on the millisecond timescale. The successful introduction of defined dynamics on functional timescales opens the door to new applications requiring a protein to spontaneously access multiple conformational states.