(资料图片)

酶是生物细胞中的分子工厂。然而，他们使用哪些基本分子构建模块来组装目标分子通常是未知的且难以测量。包括来自杜塞尔多夫海因里希海涅大学 (HHU) 的生物信息学家在内的国际团队现已在这方面迈出了重要一步：他们的 AI 方法可以高度准确地预测酶是否可以与特定底物一起工作。他们现在在科学杂志《自然通讯》上发表了他们的研究结果。

酶是所有活细胞中的重要生物催化剂：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从基本物质(底物)产生的。大多数生物体拥有数千种不同的酶，每一种都负责一种非常特殊的反应。所有酶的共同作用构成了新陈代谢，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识别出来，但在绝大多数(超过 99%)的情况下，所产生的酶的确切功能是未知的。这是因为对它们的功能进行实验表征——即特定酶将哪些起始分子转化为哪些具体的末端分子——非常耗时。

与来自瑞典同事一起，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开发了一种基于 AI 的方法来预测酶是否可以使用特定分子作为反应的底物催化。

Lercher 教授：“我们的 ESP(“酶底物预测”)模型的特殊之处在于，我们不像以前的模型那样局限于个别的、特殊的酶和与它们密切相关的其他酶。我们的通用模型可以处理酶和 1,000 多种不同底物的任意组合。”

该研究的主要作者、博士生 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(已知酶和底物协同工作)的载体被用作训练深度学习模型的输入。

Alexander Kroll：“以这种方式训练模型后，我们将其应用于我们已经知道正确答案的独立测试数据集。在 91% 的情况下，该模型正确预测了哪些底物与哪些酶相匹配。”

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：“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配对，然后他们可以将其用于酶法生产新药、化学品甚至生物燃料。”

Kroll 补充道：“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机能——从细菌到人类。”

除了 Kroll 和 Lercher，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 教授也参与了这项研究。Engqvist 帮助设计了这项研究，而 Ranjan 实施了将酶信息编码到 Kroll 开发的整体模型中的模型。