人工智能助力酶活性预测

 

2018年11月18日《自然-化学生物学》报道,英国牛津大学研究人员发现了可以预测酶活性的一般方法,这个新颖的AI方法基于酶的序列,以及定义明确的底物“训练集”和正确的化学参数。

 

酶是许多药物的重要靶标。科学家如果可以预测其功能,就可以有目的性地用小分子抑制去这些功能,从而治疗疾病。这项研究对于全面了解生物学和人类健康非常重要。

 

研究人员从一种植物中提取了一整个酶系,结合相应基因的酶的高通量表达,通过定量、无标签质谱法筛选其酶活性。对酶初级序列的简单分析没有完成完整的活性预测模式,而与牛津大学机器学习小组的AI技术相结合,标准化学描述符可以推导出一个强大的预测系统。

 

而且,这种方法不会成为“黑匣子”,在为化学家/生物学家提供成功预测的同时,还将为那些具有化学和生物学意义的预测提供解释。该方法还有助于找出哪些酶可用于合成,预测来自不同物种(甚至是细菌)的酶的活性,以及如何以一种全新的方式来设计酶。 这是一个非常强大的研究发现引擎。研究者认为人工智能与酶活性的结合将成为下一个研究前沿。

 

这一重大进展使成功的蛋白质催化剂活性预测成为可能,这将对包括医学研究在内的许多领域产生了重要影响。这是一个比小分子催化剂建模更具挑战性的领域,而小分子催化剂一直被认为是机器学习/化学的顶峰。

(来自中科院生物科技情报)

Share on: