Laccases are a group of enzymes with a critical activity in the degradation process of both phenolic and non-phenolic compounds. These enzymes present in a diverse array of species, including fungi and bacteria. Since this enzyme is in the market for different usages from industry to medicine, having a better knowledge of its structures and properties from diverse sources will be useful to select the most appropriate candidate for different purposes. In the current study, sequence- and structure-based characteristics of these enzymes from fungi and bacteria, including pseudo amino acid composition (PseAAC), physicochemical characteristics, and their secondary structures, are being compared and classified. Autodock 4 software was used for docking analysis between these laccases and some phenolic and non-phenolic compounds. The results indicated that features including molecular weight, aliphatic, extinction coefficient, and random coil percentage of these protein groups present high degrees of diversity in most cases. Categorization of these enzymes by the notion of PseAAC, showed over 96% accuracy. The binding free energy between fungal laccases and their substrates showed to be considerably higher than those of bacterial ones. According to the outcomes of the current study, data mining methods by using different machine learning algorithms, especially neural networks, could provide valuable information for a fair comparison between fungal and bacterial laccases. These results also suggested an association between efficacy and physicochemical features of laccase enzymes from different sources.

中文翻译：

---

通过周的五步法则，使用周的常规伪氨基酸组成对细菌和真菌来源的漆酶进行分类。

漆酶是在酚类和非酚类化合物降解过程中具有关键活性的一组酶。这些酶以多种形式存在，包括真菌和细菌。由于该酶在市场上有从工业到医学的不同用途，因此从不同来源更好地了解其结构和性质对于选择用于不同目的的最合适的候选物将很有用。在当前的研究中，正在对来自真菌和细菌的这些酶的基于序列和结构的特征，包括伪氨基酸组成（PseAAC），理化特征及其二级结构进行比较和分类。Autodock 4软件用于这些漆酶与某些酚类和非酚类化合物之间的对接分析。结果表明，在大多数情况下，这些蛋白质基团的特征包括分子量，脂肪族，消光系数和无规卷曲百分比均表现出高度的多样性。通过PseAAC的概念对这些酶进行分类，显示出超过96％的准确性。真菌漆酶与其底物之间的结合自由能显示出远高于细菌的。根据当前研究的结果，使用不同的机器学习算法（尤其是神经网络）进行数据挖掘的方法可为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。在大多数情况下，这些蛋白质组的随机卷曲百分比表现出高度的多样性。通过PseAAC的概念对这些酶进行分类，显示出超过96％的准确性。真菌漆酶和它们的底物之间的结合自由能显示出比细菌的更高。根据当前研究的结果，使用不同的机器学习算法（尤其是神经网络）进行数据挖掘的方法可为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。在大多数情况下，这些蛋白质组的随机卷曲百分比表现出高度的多样性。通过PseAAC的概念对这些酶进行分类，显示出超过96％的准确性。真菌漆酶和它们的底物之间的结合自由能显示出比细菌的更高。根据当前研究的结果，使用不同的机器学习算法（尤其是神经网络）进行数据挖掘的方法可为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。显示超过96％的准确性。真菌漆酶和它们的底物之间的结合自由能显示出比细菌的更高。根据当前研究的结果，使用不同的机器学习算法（尤其是神经网络）进行数据挖掘的方法可为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。显示超过96％的准确性。真菌漆酶和它们的底物之间的结合自由能显示出比细菌的更高。根据当前研究的结果，使用不同的机器学习算法（尤其是神经网络）进行数据挖掘的方法可以为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。可以为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。可以为真菌和细菌漆酶之间的公平比较提供有价值的信息。这些结果还表明来自不同来源的漆酶的功效与理化特性之间存在关联。