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，从而为机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，合成酶的确切功能是未知的。这是因为它们功能的实验表征——即特定酶将哪些起始分子转化为哪些具体的末端分子——是极其耗时的。

与来自瑞典和印度的同事一起，由HHU计算细胞生物学研究小组的MartinLercher教授领导的研究团队开发了一种基于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它催化。

Lercher教授说，“我们的ESP(‘酶底物预测’)模型的特殊之处在于，我们不局限于单个、特殊的酶和其他与它们密切相关的酶，就像以前的模型一样。我们的通用模型可以工作一种酶和1000多种不同底物的任意组合。”

博士该研究的主要作者、学生AlexanderKroll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字向量的数学结构中。大约18,000个经过实验验证的酶-底物对的向量(已知酶和底物可以协同工作)被用作训练深度学习模型的输入。

AlexanderKroll说：“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，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体的生理学——从细菌到人。”

除了Kroll和Lercher，瑞典哥德堡查尔姆斯理工大学的MartinEngqvist教授和孟买印度理工学院的SahasraRanjan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。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：酶模型研究