$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Chitin, ein strukturelles β, 1-4 glykosidisch gebundenes natürliches Polymer, ist nach Cellulose das zweithäufigste Polysaccharid in der Natur. Trotzdem hat Chitin aufgrund seiner Unlöslichkeit nur begrenzte industrielle Anwendungen1. Dieser Engpass wird behoben, indem Chitin einer N-Deacetylierung unterzogen wird, die eine positive Ladung verleiht und die Löslichkeit des resultierenden Polymers Chitosan1 erhöht. Chitin kann auf zwei verschiedenen Wegen zu Chitosan modifiziert werden: chemisch und enzymatisch. Die biomedizinische Anwendung von Chitosan erfordert eine kontrollierte und definierte Deacetylierung, die auf chemische Wege beschränkt ist 2,3. Diese Einschränkung kann mit Chitin-Deacetylasen (CDAs) behoben werden, einem grünen enzymatischen Ansatz für den Deacetylierungsprozess 4,5.
Chitin-Deacetylase gehört zur Familie der Kohlenhydratesterase 4 (CE-4), die in der Datenbank für kohlenhydrataktive Enzyme (CAZY) definiert ist. Die Enzyme der CE-4-Familie teilen sich die NodB-Homologie oder Polysaccharid-Deacetylase-Domäne als konservierte Region. Das Central Composite Design (CCD), ein statistisches Werkzeug, wird zur Optimierung mehrerer Wildtyp-Chitin-modifizierender Enzymeverwendet 6,7,8,9. Die nachgelagerten Schritte bei der Verwendung von Wildtyp-Organismen werden jedoch mühsam, daher die Verschiebung hin zu rekombinanten Enzymen 10,11,12,13,14,15,16,17. In den letzten Jahren haben halophile rekombinante CDA aus marinen Quellen aufgrund ihrer Leichtigkeit bei der industriellen Anwendung und Herstellung von biomedizinischem Chitosan an Bedeutung gewonnen18,19.
Die rekombinante Enzymproduktion in E. coli hat eine Einschränkung des Prozesses, und eine Medienoptimierung ist erforderlich, da ihre Expression in E. coli je nach verwendetem Gen und Plasmid variiert20. Daher wird das Screening eines geeigneten Prozesses und geeigneter Nährstoffparameter wichtig. One Factor at a Time (OFAT), die häufig verwendete Optimierungsmethode, erfordert enorme Ressourcen und Zeit, um Schritt-für-Schritt-Experimente durchzuführen. Diese Methode leidet unter einem Mangel an statistischen Informationen über die Wechselwirkung zwischen den Parametern 20,21,22,23. Daher wurde die CCD der Response-Surface-Methodik (RSM) verwendet, um die Expressionsausbeute der halophilen bakteriellen Chitindeacetylase (BaCDA) und die Ba-CDA-Aktivitätin E. coli Rosetta pLysS zu untersuchen. Die Parameter, die für die Expressionsoptimierung im E. coli-Wirt berücksichtigt wurden, waren die Laktosekonzentration, die Glukosekonzentration, die Inkubationstemperatur, die Agitationsrate und die Inkubationszeit. In den meisten E. coli-Expressionsstudien wurde Luria Bertani (LB) Medium mit Isopropyl β-d-1-thiogalactopyranosid (IPTG) als Induktor verwendet. Diese Zugabe von IPTG erforderte eine regelmäßige Wachstumsüberwachung24. Diese wiederkehrenden Mediationen während des Fermentationsprozesses eröffnen auch Wege für Kontaminationen. Daher sind die Forschungsgruppen zu hervorragender Brühe (TB) mit Laktose als Induktor übergegangen. Die Aufnahme von Laktose in die Medien anstelle von IPTG trägt diesem Problem Rechnung; E. coli verbraucht diese Laktose und produziert als Nebenprodukt Allo-Laktose, was zu einem Autoinduktionszustand führt. Zu diesem Autoinduktormedium gehört Glycerin, das eine verbesserte Ausbeute an rekombinantem Protein25 gezeigt hat. Diese Überexpression rekombinanter Proteine in TB-Medien konnte durch die Optimierung der Prozessparameter weiter verbessert werden. In der vorliegenden Studie wurde ein zentrales Kompositdesign angewendet, um die heterologe Expression von halophilen BaCDA in E. coli Rosetta pLysS-Zellen zu optimieren. Die gewählten Prozessparameter waren Inkubationstemperatur, Rührgeschwindigkeit und Inkubationszeit, und die bewerteten Nährstoffparameter waren Glukose- und Laktosekonzentration. Die halophile Ba-CDA-Expression wurde mit der vorhergesagten optimierten Bedingung evaluiert und mittels SDS-PAGE kreuzvalidiert.