Robust enzyme kinetics prediction through pairwise relative learning
该论文介绍了 DeltaKcat，这是一个孪生神经网络框架，它将酶动力学预测重新表述为一个成对相对学习问题，以克服绝对回归的局限性，从而在识别噪声生物数据集中的高活性酶方面实现了卓越的准确性、鲁棒性和泛化能力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
生命依赖于被称为“酶”的微小生物机器。这些蛋白质充当催化剂，加速维持细胞生存的化学反应，从消化食物到修复 DNA。为了了解一种酶的工作效率，科学家会测量其速度和效率，这些数值被称为动力学参数。这些数字告诉研究人员，一种酶能以多快的速度将原材料转化为产物，以及它对该材料的结合紧密程度如何。虽然科学家已经编目了数百万个蛋白质序列，但其中只有不到千分之一拥有这些至关重要的速度测量值。这一差距使得广阔的生物潜力领域仍处于未被探索的状态。为了填补这一空白，研究人员转向了计算机，希望根据酶的遗传密码来预测这些速度。然而，用于训练这些计算机程序的可用数据是混乱的。对于同一种酶的测量结果往往因实验室的不同或所用特定条件的不同而产生巨大差异，从而产生了一种让标准预测模型感到困惑的噪声信号。
清华大学和波士顿大学的一个研究小组开发了一种新方法来解决这个问题，将重点从猜测精确数值转向理解相对差异。他们创建了一个名为 DeltaKcat 的系统，该系统不将酶预测视为一项记忆测试，而是一堂关于比较的课程。DeltaKcat 不再要求计算机在孤立状态下预测单个酶的确切速度，而是观察在相似条件下工作的成对酶。它学习预测在一个相同的实验背景下，一个酶比另一个酶快多少或慢多少。通过关注两个事物之间的差异而非单个事物的绝对值，该模型有效地过滤掉了由不一致的实验室方法造成的背景噪声。这使得系统能够学习酶的结构与其功能之间的真实关系，而忽略任何单一研究的特定特性。
研究人员利用从公共数据库和科学文献中收集的海量数据构建了这个系统，整理了超过 13.5 万个速度测量值和数十万个结合测量值。他们对这些条目进行了配对，使计算机能够比较共享同一底物的酶或共享同一酶的底物，从而确保比较发生在一致的实验设置中。该模型使用先进的语言工具来读取蛋白质的遗传序列和它们作用分子的化学结构，将这些复杂的模式转化为计算机可以理解的格式。随后，它计算配对项之间的性能差异。这种方法被证明非常有效。在对从未见过的全新酶进行测试时，即使遗传相似性很低，该系统也能准确预测它们的运行速度相对于已知示例的变化情况。它在识别最高效酶的任务上也表现出色，而旧模型在处理此类任务时往往会失败，因为它们倾向于猜测平均值而非极端值。
为了证明该系统在现实世界中的有效性，团队在被称为腺苷酸激酶的一类特定酶上对其进行了测试，这类酶对细胞内的能量管理至关重要。这一整个类别在训练数据中完全缺失，这意味着计算机必须完全依赖其习得的比较与对比能力。在没有任何接触过这些特定酶的先验知识的情况下，该模型成功识别出了活性最强的变体，表现优于所有现有方法。当研究人员提供少量新数据来微调系统时，其准确性显著提高，证明了该方法可以快速适应新的生物家族。研究结果表明，通过改变我们提问的方式——从绝对预测转向相对比较——我们可以构建更可靠的工具来进行酶的发现和工程化。这一进展可以加速设计用于医药和工业的新型生物催化剂，将浩瀚且未经测量的生命库转化为可用的资源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。