KI läutet neue Grenzen für die Vorhersage der Enzymaktivität ein.

Forscher der Departments of Chemistry and Engineering Science an der University of Oxford haben einen allgemeinen Weg gefunden, die Enzymaktivität vorherzusagen. Enzyme sind die Proteinkatalysatoren, die die meisten Schlüsselfunktionen in der Biologie erfüllen. Der in Nature Chemical Biology veröffentlichte neuartige KI-Ansatz der Forscher basiert auf der Sequenz des Enzyms, zusammen mit dem Screening eines definierten „Trainingssets“ von Substraten und den richtigen chemischen Parametern zu deren Definition.

Enzyme sind das Ziel vieler Medikamente. Wenn Wissenschaftler ihre Funktionen vorhersagen können, können sie diese Funktionen mit kleinen Molekülen hemmen – teilweise zur Behandlung von Krankheiten. Diese Forschung wird entscheidend sein, um ein ganzheitliches Bild zu schaffen, das ein vollständigeres und vollständigeres Verständnis von Biologie und Gesundheit ermöglicht.

Die Forscher untersuchten eine ganze Familie von Enzymen einer Pflanzenart. Sie kombinierten die Hochdurchsatz-Expression der Enzyme aus den entsprechenden Genen und untersuchten dann ihre enzymatische Aktivität durch quantitative, markierungsfreie Massenspektroskopie. Eine einfache Analyse der primären Sequenz des Enzyms ergibt kein wirkliches Muster der Aktivitätsvorhersage, aber wenn sie mit KI-Techniken der Machine Learning Group der Oxford University kombiniert wird, können standardisierte chemische Deskriptoren ein leistungsfähiges prädiktives System ableiten.

Ben Davis, Professor für Chemie an der University of Oxford, sagt: „Das Wichtigste ist, dass diese Methode nicht Black Box ist, sondern dem Chemiker/Biologe erfolgreiche Vorhersagen und Gründe für solche Vorhersagen liefert, die eine chemische und biologische Bedeutung haben. Dies wiederum hat es uns ermöglicht, herauszufinden, welche Enzyme für die Synthese verwendet werden können, die Aktivität von Enzymen ganz unterschiedlicher Spezies (auch von Bakterien) vorherzusagen und herauszufinden, wie wir Enzyme auf eine neue Art und Weise entwickeln können, basierend auf Vorschlägen, die wir nicht vorhergesagt hätten.“

Er fügt hinzu: „Wir sehen dies als eine sehr leistungsfähige Discovery Engine. Es wird faszinierende Möglichkeiten in den Mix für Hypothesentests bringen. Angesichts des jüngsten Chemie-Nobelpreises für die Entwicklung von Enzymen im Reagenzglas könnte sich die KI, die auf Enzyme angewendet wird, um das Verständnis zu verbessern, als eine sehr mächtige nächste Grenze erweisen.“

Stephen Roberts, Professor für maschinelles Lernen in der Informationstechnik an der University of Oxford, sagt: „Wir leben in einer Ära großer Daten und großer Modelle, aber nicht unbedingt mit großem Wissen oder Einsicht. Tatsächlich verdeckt die Natur vieler komplexer, gut funktionierender Modelle die Details des Erfolgs und führt zu Black-Box-Lösungen, die nicht leicht zu interpretieren sind. Im Gegensatz dazu baut die wissenschaftliche Methode die Erkenntnisgewinnung in ihren Kern auf. In dieser Studie haben wir gezeigt, dass Modelle, die Transparenz und Einsicht bieten, immer noch in der Lage sind, den wissenschaftlichen Fortschritt voranzutreiben.“

Dieser große Fortschritt ermöglicht erfolgreiche Vorhersagen über die Aktivität von Proteinkatalysatoren, was sich auf eine große Bandbreite von Bereichen wie die medizinische Forschung auswirkt. Es ist ein wesentlich anspruchsvolleres Gebiet als die Modellierung von niedermolekularen Katalysatoren, die bisher der Höhepunkt des maschinellen Lernens und der Chemie waren.

Mehr Informationen:
Min Yang et al. Die Funktions- und Informatikanalyse ermöglicht die Vorhersage der Glykosyltransferase-Aktivität, Nature Chemical Biology (2018). DOI: 10.1038/s41589-018-018-0154-9

Teilen Ist Liebe! ❤❤❤ 17 shares ❤❤❤

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

shares