ИИ-инструмент предсказывает скорость работы ферментов

Ферменты играют ключевую роль в клеточных метаболических процессах. Для количественной оценки этих процессов исследователям необходимо знать так называемое «число оборотов» (сокращенно: k_cat) ферментов. В журнале Nature Communications команда биоинформатиков из Университета Генриха Гейне в Дюссельдорфе (HHU) описывает инструмент для предсказания этого параметра для различных ферментов с помощью методов ИИ.

Ферменты — важные биокатализаторы во всех живых клетках. Максимальная скорость, с которой конкретный фермент может превращать свои субстраты в продукты, определяется числом оборотов k_cat. Это важный параметр для количественного исследования активности ферментов и ключевая роль в понимании клеточного метаболизма.

Однако определение чисел оборотов k_cat в экспериментах требует много времени и средств, поэтому они неизвестны для подавляющего большинства реакций. Исследовательская группа Computational Cell Biology под руководством профессора д-ра Мартина Лерхера разработала новый инструмент TurNuP для предсказания чисел оборотов k_cat ферментов с использованием методов ИИ.

Для обучения модели предсказания k_cat информация о ферментах и катализируемых реакциях была преобразована в числовые векторы с помощью моделей глубокого обучения. Эти векторы послужили входными данными для модели машинного обучения — так называемой градиентной бустинговой модели, — которая предсказывает числа оборотов k_cat.

Ведущий автор Александр Кролль заявил: «TurNuP превосходит предыдущие модели и может успешно использоваться даже для ферментов, имеющих лишь низкое сходство с теми, что находятся в обучающем наборе данных». В отличие от предыдущих моделей, которые не могли делать значимых прогнозов, если менее 40% последовательности фермента идентично хотя бы одному ферменту в обучающем наборе, TurNuP уже может делать значимые прогнозы для ферментов с максимальной идентичностью последовательности от 0 до 40%.

Профессор Лерхер добавляет: «В нашем исследовании мы показываем, что прогнозы, сделанные TurNuP, можно использовать для предсказания концентраций ферментов в живых клетках гораздо точнее, чем это было возможно до сих пор».

Чтобы сделать модель прогнозирования легко доступной для как можно большего числа пользователей, команда HHU разработала удобный веб-сервер, который другие исследователи могут использовать для предсказания чисел оборотов k_cat ферментов.