Liz Ahlberg Touchstone, İllinoys Universiteti Urbana-Champaign

Lisa Lock tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriTiamin pirofosfat üçün kimyəvi quruluş və transketolazanın zülal quruluşu. Sarı rəngdə tiamin pirofosfat kofaktoru və qara rəngdə ksiluloza 5-fosfat substratı. Kredit: Thomas Shafee/Vikipediya

Yeni süni intellektlə işləyən alət tədqiqatçılara fermentin istənilən hədəfə nə dərəcədə uyğun olduğunu müəyyən etməyə kömək edə bilər və onlara katalizdən tibbə və istehsala qədər tətbiqlər üçün ən yaxşı ferment və substrat birləşməsini tapmağa kömək edə bilər.

İllinoys Urbana-Şampeyn Universitetinin kimya və biomolekulyar mühəndislik professoru Huimin Zhao-nun rəhbərliyi ilə tədqiqatçılar yeni ferment-substrat cüt məlumatlarından və yeni maşın öyrənmə alqoritmindən istifadə edərək EZSpecificity-ni hazırlayıblar. Onlar aləti onlayn olaraq sərbəst şəkildə istifadəyə veriblər və nəticələrini Nature jurnalında dərc ediblər .

NSF Molecule Maker Lab İnstitutunun və ABŞ-da NSF iBioFoundry-nin direktoru olan Zhao, “Fermentdən istifadə edən müəyyən məhsul əldə etmək istəyiriksə, ən yaxşı ferment və substrat birləşməsindən istifadə etmək istəyirik” dedi. iki ildən çox əvvəl bir fermentin funksiyasını ardıcıllığından proqnozlaşdırmaq üçün inkişaf etdirdiyimiz CLEAN AI modelini tamamlayır.”

Fermentlər molekulyar reaksiyaları kataliz edən böyük zülallardır. Onların substrat adlanan molekulları hədəf alan cib kimi bölgələri var. Ferment və substratın nə qədər yaxşı uyğunlaşması spesifiklik adlanır. Ferment-substrat qarşılıqlı əlaqəsi üçün tipik bənzətmə kilid və açardır: Yalnız sağ düymə kilidi açacaq. Bununla belə, Zhao dedi ki, ferment funksiyası o qədər də sadə deyil.

“Ən yaxşı kombinasiyanı tapmaq çətindir, çünki cib statik deyil” dedi. “Ferment substratla qarşılıqlı əlaqədə olduqda əslində konformasiyanı dəyişir. Bu, daha çox induksiya edilmiş uyğunluqdur. Və bəzi fermentlər qeyri-sabitdir və müxtəlif reaksiya növlərini kataliz edə bilir. Bu, proqnozlaşdırmağı çox çətinləşdirir. Buna görə də bizə hansı cütləşmənin ən yaxşı nəticə verəcəyini sübut edən maşın öyrənmə modeli və eksperimental məlumatlar lazımdır .”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&fwrn=4&fwrnh=0&lmt=1760003187&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-10-ai-tool-enzymes-substrates.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQxLjAuNzM5MC41NSIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTQxLjAuNzM5MC41NSJdLFsiTm90P0FfQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjE0MS4wLjczOTAuNTUiXV0sMF0.&abgtt=6&dt=1760003148202&bpp=1&bdt=275&idt=47&shv=r20251008&mjsv=m202510070101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1760002970%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1760002970%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3D1241933dda87baba%3AT%3D1750839581%3ART%3D1760002970%3AS%3DAA-AfjZwPuiSAour3k16ZA1JtXua&prev_fmts=0x0%2C336x280&nras=1&correlator=8761698732571&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1989&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31095050%2C31095056%2C31095080%2C31095082%2C31095083%2C31095146%2C95370627%2C31095104%2C95344790&oid=2&pvsid=958354047437794&tmod=1553557886&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=164x742_l%7C164x742_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=39799

Digər ferment spesifiklik modelləri təqdim edilsə də, onların dəqiqliyi və proqnozlaşdıra bildikləri enzimatik reaksiyaların növləri məhduddur.

Zhao qrupu, süni intellektin spesifikliyi proqnozlaşdırmaq qabiliyyətini yaxşılaşdırmaq üçün maşın öyrənmə modelinin əldə etdiyi məlumat dəstini təkmilləşdirməli və genişləndirməli olduqlarını başa düşdü. Onlar kimya və biomolekulyar mühəndislik üzrə professor Divakar Şuklanın rəhbərlik etdiyi qrupla əməkdaşlıq etdilər . Şuklanın qrupu təkcə fermentin ardıcıllığı və quruluşu haqqında deyil, həm də müxtəlif siniflərin fermentlərinin müxtəlif növ substratlar ətrafında necə uyğunlaşdığı haqqında məlumatı özündə əks etdirən böyük verilənlər bazası yaratmaq üçün müxtəlif ferment sinifləri üçün dok tədqiqatları aparıb.

“Fermentlərin substratları ilə necə qarşılıqlı əlaqədə olduğunu göstərən təcrübələr çox vaxt yavaş və mürəkkəbdir, ona görə də biz mövcud eksperimental məlumatları tamamlamaq və genişləndirmək üçün geniş dok simulyasiyaları həyata keçirdik” dedi Şukla. “Biz fermentlər və onların substratları arasında atom səviyyəli qarşılıqlı əlaqəni yaxınlaşdırdıq. Milyonlarla dok hesablamaları bizə tapmacanın bu itkin hissəsini yüksək dəqiqlikdə ferment spesifikliyi proqnozlaşdırıcısı yaratmaq üçün təmin etdi.”

Tədqiqatçılar daha sonra real dünya tətbiqlərini təqlid etmək üçün hazırlanmış dörd ssenaridə hazırkı aparıcı model ESP ilə EZSpecificity-ni yan-yana sınaqdan keçirdilər. EZSpecificity bütün ssenarilərdə ESP-dən üstün oldu. Nəhayət, tədqiqatçılar EZSpecificity-ni təcrübi olaraq səkkiz halogenaza fermentinə, yaxşı xarakterizə edilməmiş, lakin bioaktiv molekullar hazırlamaq üçün getdikcə daha çox istifadə olunan bir sinifə və 78 substrata baxaraq təsdiqlədilər. EZSpecificity ən yaxşı cütləşmə proqnozları üçün 91,7% dəqiqliyə nail oldu, ESP isə yalnız 58,3% dəqiqlik göstərdi.

“Mən bunun hər ferment üçün işlədiyini deyə bilmərəm, lakin müəyyən fermentlər üçün biz EZSpecificity-nin həqiqətən çox yaxşı işlədiyini göstərdik” dedi Zhao. “Biz bu aləti başqaları üçün əlçatan etmək istəyirik, ona görə də istifadəçi interfeysi hazırladıq. Tədqiqatçılar indi substrata və zülal ardıcıllığına daxil ola bilərlər və sonra onlar bizim alətimizdən istifadə edərək həmin substratın yaxşı işləyə biləcəyini proqnozlaşdıra bilərlər.”

Daha sonra tədqiqatçılar, hədəfdən kənar təsirləri olan fermentləri istisna etmək üçün bir fermentin substratda müəyyən bir sahəyə üstünlük verib- vermədiyini göstərən ferment seçiciliyini təhlil etmək üçün süni intellekt alətlərini genişləndirməyi planlaşdırırlar . Onlar həmçinin daha çox eksperimental məlumatla EZSpecificity-ni təkmilləşdirməyə davam etməyi planlaşdırırlar.

Daha çox məlumat: Haiyang Cui və digərləri, Çarpaz diqqət qrafiki neyron şəbəkələrindən istifadə edərək ferment spesifikliyinin proqnozlaşdırılması, Təbiət (2025). DOI: 10.1038/s41586-025-09697-2

Jurnal məlumatı: Təbiət 

Urbana-Champaign İllinoys Universiteti tərəfindən təmin edilmişdir