酶是生物細(xì)胞中的分子工廠。然而，他們使用哪些基本的分子構(gòu)建塊來組裝目標(biāo)分子通常是未知的，也很難測(cè)量。包括杜塞爾多夫海因里希海涅大學(xué)(HHU)生物信息學(xué)家在內(nèi)的國(guó)際團(tuán)隊(duì)現(xiàn)在在這方面邁出了重要的一步：他們的人工智能方法可以高度準(zhǔn)確地預(yù)測(cè)酶是否可以與特定的底物一起工作。他們現(xiàn)在在科學(xué)期刊《自然通訊》上發(fā)表他們的結(jié)果。

酶是所有活細(xì)胞中重要的生物催化劑：它們促進(jìn)化學(xué)反應(yīng)，通過化學(xué)反應(yīng)，所有對(duì)生物體重要的分子都是由基本物質(zhì)(底物)產(chǎn)生的。大多數(shù)生物體擁有數(shù)千種不同的酶，每種酶都負(fù)責(zé)非常特定的反應(yīng)。所有酶的集體功能構(gòu)成了新陳代謝，從而為生物體的生命和生存提供了條件。

盡管編碼酶的基因可以很容易地被識(shí)別出來，但在絕大多數(shù)情況下(超過99%)，所得酶的確切功能是未知的。這是因?yàn)閷?duì)其功能的實(shí)驗(yàn)表征 - 即特定酶轉(zhuǎn)化為哪些起始分子，哪些具體的最終分子 - 非常耗時(shí)。

由HHU計(jì)算細(xì)胞生物學(xué)研究小組的Martin Lercher教授領(lǐng)導(dǎo)的研究小組與來自瑞典和印度的同事一起開發(fā)了一種基于人工智能的方法，用于預(yù)測(cè)酶是否可以使用特定分子作為其催化反應(yīng)的底物。

Lercher教授說：“我們的ESP('酶底物預(yù)測(cè)')模型的特點(diǎn)是，我們不像以前的模型那樣局限于單個(gè)，特殊酶和其他與之密切相關(guān)的酶。我們的通用模型可以與酶和1多種不同底物的任意組合一起使用。

該研究的第一作者、博士生亞歷山大·克羅爾(Alexander Kroll)開發(fā)了一種所謂的深度學(xué)習(xí)模型，其中有關(guān)酶和底物的信息被編碼在稱為數(shù)值向量的數(shù)學(xué)結(jié)構(gòu)中。大約18，000個(gè)經(jīng)過實(shí)驗(yàn)驗(yàn)證的酶 - 底物對(duì)的載體 - 已知酶和底物一起工作 - 被用作訓(xùn)練深度學(xué)習(xí)模型的輸入。

Alexander Kroll說：“以這種方式訓(xùn)練模型后，我們將其應(yīng)用于一個(gè)獨(dú)立的測(cè)試數(shù)據(jù)集，我們已經(jīng)知道了正確的答案。在91%的情況下，該模型正確預(yù)測(cè)了哪些底物與哪些酶匹配。

這種方法提供了廣泛的潛在應(yīng)用。在藥物研究和生物技術(shù)中，了解哪些物質(zhì)可以被酶轉(zhuǎn)化是非常重要的。Lercher教授說：“這將使研究和工業(yè)界能夠?qū)⒋罅靠赡艿呐鋵?duì)縮小到最有希望的，然后他們可以將其用于新藥，化學(xué)品甚至生物燃料的酶促生產(chǎn)。

Kroll補(bǔ)充說：“它還將能夠創(chuàng)建改進(jìn)的模型來模擬細(xì)胞的新陳代謝。此外，它將幫助我們了解各種生物的生理學(xué) - 從細(xì)菌到人。

除了Kroll和Lercher之外，瑞典哥德堡查爾姆斯理工大學(xué)的Martin Engqvist教授和孟買印度理工學(xué)院的Sahasra Ranjan也參與了這項(xiàng)研究。Engqvist幫助設(shè)計(jì)了這項(xiàng)研究，而Ranjan則實(shí)現(xiàn)了將酶信息編碼到Kroll開發(fā)的整體模型中的模型。