AI预测酶的功能

酶是生物细胞中的分子工厂。然而，他们使用哪些基本的分子构建块来组装目标分子通常是未知的，也很难测量。包括杜塞尔多夫海因里希海涅大学(HHU)生物信息学家在内的国际团队现在在这方面迈出了重要的一步：他们的人工智能方法可以高度准确地预测酶是否可以与特定的底物一起工作。他们现在在科学期刊《自然通讯》上发表他们的结果。

酶是所有活细胞中重要的生物催化剂：它们促进化学反应，通过化学反应，所有对生物体重要的分子都是由基本物质(底物)产生的。大多数生物体拥有数千种不同的酶，每种酶都负责非常特定的反应。所有酶的集体功能构成了新陈代谢，从而为生物体的生命和生存提供了条件。

尽管编码酶的基因可以很容易地被识别出来，但在绝大多数情况下(超过99%)，所得酶的确切功能是未知的。这是因为对其功能的实验表征 - 即特定酶转化为哪些起始分子，哪些具体的最终分子 - 非常耗时。

由HHU计算细胞生物学研究小组的Martin Lercher教授领导的研究小组与来自瑞典和印度的同事一起开发了一种基于人工智能的方法，用于预测酶是否可以使用特定分子作为其催化反应的底物。

Lercher教授说：“我们的ESP('酶底物预测')模型的特点是，我们不像以前的模型那样局限于单个，特殊酶和其他与之密切相关的酶。我们的通用模型可以与酶和1多种不同底物的任意组合一起使用。

该研究的第一作者、博士生亚历山大·克罗尔(Alexander Kroll)开发了一种所谓的深度学习模型，其中有关酶和底物的信息被编码在称为数值向量的数学结构中。大约18，000个经过实验验证的酶 - 底物对的载体 - 已知酶和底物一起工作 - 被用作训练深度学习模型的输入。

Alexander Kroll说：“以这种方式训练模型后，我们将其应用于一个独立的测试数据集，我们已经知道了正确的答案。在91%的情况下，该模型正确预测了哪些底物与哪些酶匹配。

这种方法提供了广泛的潜在应用。在药物研究和生物技术中，了解哪些物质可以被酶转化是非常重要的。Lercher教授说：“这将使研究和工业界能够将大量可能的配对缩小到最有希望的，然后他们可以将其用于新药，化学品甚至生物燃料的酶促生产。

Kroll补充说：“它还将能够创建改进的模型来模拟细胞的新陈代谢。此外，它将帮助我们了解各种生物的生理学 - 从细菌到人。

除了Kroll和Lercher之外，瑞典哥德堡查尔姆斯理工大学的Martin Engqvist教授和孟买印度理工学院的Sahasra Ranjan也参与了这项研究。Engqvist帮助设计了这项研究，而Ranjan则实现了将酶信息编码到Kroll开发的整体模型中的模型。