酶具有高底物选择特异性和高催化效率的特点，使其作为天然的生物催化剂，在工业中具有很好的应用潜力和发展前景。然而，天然酶的热不稳定性，限制了酶在工业领域中的应用。因此，了解酶的热稳定性机制，并指导酶的设计改造以提高酶的耐热行，一直都是酶学研究中的难点。研究酶的热稳定性机制，不仅能够加深和巩固对酶的结构和功能的关系认识和了解，还能够促进酶在工业生产中的应用和发展。本文首先从统计学的角度，通过模式识别的算法对酶的结构和功能有一个认知，再利用分子动力学模拟的方法从微观层次和动态水平来探究β-琼胶酶的热稳定性影响因素。　　本文首先采用基于十倍交叉验证的支持向量机回归机器学习法，分别对基于β-琼胶酶一级序列信息和结构的关系，分析β-琼胶酶的热稳定性影响因素。根据分段氨基酸组成与酶最适温度的回归结果可知，β-琼胶酶M段和N端中的氨基酸组成对酶的热稳定性影响较大，同时构建了β-琼胶酶最适温度预测模型；另外，采用了氨基酸相对溶液可及性与β-琼胶酶的最适温度进行回归分析，结果显示，在相对溶液可及性内部区域中带电荷氨基酸与酶的最适温度关系紧密，同时根据嗜热酶和嗜温酶T检验中的显著差异参数构建温度预测模型。用本实验室的3个琼胶酶相关参数代入模型中，预测该酶的最适温度，并与实验测定的温度进行比较。基于分段氨基酸组成的预测模型中，预测温度与实验温度的误差基本在±5℃范围以内；基于相对溶液可及性中，3个酶的预测温度和实验温度的绝对误差分别为2.2℃，2.6℃和0.1℃，进一步说明了该模型预测β-琼胶酶最适温度的可靠性高。　　然后用分子动力学模拟的方法在原子的微观层次和动态水平，来探究β-琼胶酶存在的耐热性机制。从已有的β-琼胶酶的晶体中挑选出嗜温酶1URX和嗜热酶3WZ1，设置不同的模拟温度，分别进行分子动力学模拟，获得模拟结果的轨迹文件并对轨迹文件进行分析，获得这两个酶在不同模拟温度下的构象动态变化、氨基酸的波动变化以及形成盐桥和氢键的数量变化等结果，即可以得知对β-琼胶酶热稳定性影响的主要因素并寻找出其热敏感区域。如3WZ1中的α螺旋，氨基酸Ala2，Gly83，Ser245和Ile277；1URX中的氨基酸Ser36等；另外，获得了一些在酶中表现出较好耐热性的盐桥，且盐桥的数量和类别也对β-琼胶酶的热稳定性也有显著的影响。研究结果将有助于更好的理解β-琼胶酶的热稳定性机制以及结构与功能的关系，同时为β-琼胶酶的设计改造奠定基础和提供指导。