人工智能预示着预测酶活性的新领域

牛津大学化学与工程科学系的研究人员发现了预测酶活性的一般方法。酶是蛋白质催化剂，其执行生物学中的大多数关键功能。发表在自然化学生物学，研究人员的新型人工智能方法是基于酶的序列，以及筛选定义的基板的“训练集”和正确的化学参数来定义它们。

酶是许多药物的目标。如果科学家可以预测它们的功能，那么它们可以用小分子抑制这些功能- 在某些情况下可以治疗疾病。这项研究对于创建一个能够更全面，更全面地了解生物学和健康的整体图像至关重要。

研究人员从一种植物物种中解决了整个酶系列。他们结合相应基因的酶的高通量表达，然后通过定量，无标记的质谱筛选它们的酶活性。对酶的一级序列的简单分析没有给出真实的活动预测模式，但是当与牛津大学机器学习小组的AI技术相结合时，标准化学描述符可以得到一个强大的预测系统。

牛津大学化学教授Ben Davis说：“关键在于，这种方法不仅仅是'黑匣子'，而是回应化学家/生物学家成功的预测，以及那些具有化学和生物学意义的预测的原因。反过来又让我们弄清楚哪些酶可用于合成，预测来自不同物种(甚至细菌)的酶的活性，并根据我们不具备的建议，以新的方式设计酶预料到的。”

他补充说：“我们认为这是一个非常强大的发现引擎。它将为假设检验提供有趣的可能性。鉴于最近化学酶的试管发展的诺贝尔化学奖，AI应用于酶以增加理解可以证明成为一个非常强大的下一个前沿。“

牛津大学信息工程机器学习教授斯蒂芬罗伯茨说：“我们生活在一个大数据和大模型的时代，但不一定是大知识或洞察力。事实上，许多复杂，表现良好的模型的本质模糊成功的细节，导致“黑盒”解决方案缺乏现成的可解释性。形成鲜明对比的是，科学方法将洞察力提取纳入其核心。在这项研究中，我们已经证明提供透明度和洞察力的模型仍然能够推动科学进步。“

这一重大进展使成功的蛋白质催化剂活性预测成为可能，这对包括医学研究在内的广泛领域产生了影响。与模拟小型分子催化剂相比，这是一个更具挑战性的领域，这种催化剂直到现在才成为机器学习/化学领域的顶峰。