Predicción de la especificidad de las enzimas utilizando redes neuronales de gráficos de atención cruzada

Área de la Ciencia:

• La bioquímica
• La bioinformática
• Biología computacional

Sus antecedentes:

• La función de la enzima se rige por la especificidad del sustrato, determinada por la estructura del sitio activo y los estados de transición de la reacción.
• Millones de enzimas carecen de datos de especificidad de sustrato, lo que dificulta la investigación y las aplicaciones.
• Los modelos de predicción existentes tienen limitaciones en cuanto a precisión y alcance.

Objetivo del estudio:

• Desarrollar un nuevo modelo de aprendizaje automático para una predicción precisa de la especificidad del sustrato enzimático.
• Crear una base de datos completa de las interacciones entre enzimas y sustratos para la formación de modelos.
• Superar las limitaciones de los métodos existentes y mejorar la comprensión de la biocatálisis.

Principales métodos:

• Desarrollado EZSpecificity, una red neuronal de gráficos equivalentes a la atención cruzada.
• Entrenó el modelo en una base de datos personalizada de interacciones enzima-sustrato a nivel de secuencia y estructura.
• Especificidad EZ validada en comparación con los modelos existentes utilizando diversos conjuntos de datos de enzimas y sustratos.

Principales resultados:

• EZSpecificity superó significativamente los modelos de aprendizaje automático de última generación.
• La validación experimental con ocho halogenasas y 78 sustratos mostró una precisión del 91,7% en la predicción de sustratos reactivos.
• El modelo demostró un rendimiento superior en bases de datos de enzimas y sustratos desconocidos y familias de proteínas de prueba de concepto.

Conclusiones:

• EZSpecificity proporciona un método general y preciso para predecir la especificidad del sustrato de la enzima.
• El modelo tiene amplias aplicaciones en la investigación fundamental y aplicada en biología y medicina.
• Este trabajo avanza en la comprensión y utilización de las enzimas en la biocatálisis.