クロスアテンショングラフニューラルネットワークを用いた酵素特異性予測

科学分野:

• 生物化学
• バイオ情報学
• コンピュータ生物学

背景:

• 酵素の機能は,活性部位構造と反応移行状態によって決定される基板特異性によって制御される.
• 数百万の酵素には基板特異性データがないため,研究と応用が困難です.
• 既存の予測モデルには 精度や範囲の限界があります

研究 の 目的:

• 精密な酵素基板特異性予測のための新しい機械学習モデルを開発する.
• モデルトレーニングのための酵素基板相互作用の包括的なデータベースを作成する.
• 既存の方法の限界を克服し,生物触媒の理解を向上させる.

主な方法:

• クロス・アテネーション・エンパワーされたSE ((3) グラフ・エクイバリアントニューラル・ネットワークを開発した.
• 配列と構造のレベルで 酵素と基板の相互作用の カスタムデータベースで モデルを訓練した
• 多様な酵素と基板のデータセットを用いた既存のモデルに対して EZSpecificity を検証した.

主要な成果:

• EZSpecificityは 最先端の機械学習モデルを大幅に上回りました
• 8つのハロゲネーゼと78の基板による実験的検証は,反応性基板の予測において91.7%の精度を示した.
• このモデルは,未知の酵素と基板のデータベースと概念証明のタンパク質ファミリーで優れたパフォーマンスを示しました.

結論:

• EZSpecificityは,酵素基板特異性を予測するための一般的で正確な方法を提供します.
• このモデルは,生物学と医学における基礎的および応用的研究に広く適用されます.
• この研究は,生物触媒における酵素の理解と利用を進める.