Ein neues Werkzeug der künstlichen Intelligenz kann die Funktionen von Enzymen anhand ihrer Aminosäuresequenzen vorhersagen, selbst wenn die Enzyme unerforscht oder kaum bekannt sind. Die Forscher sagten, dass das KI-Tool mit dem Namen CLEAN die führenden hochmodernen Tools in Genauigkeit, Zuverlässigkeit und Empfindlichkeit übertrifft. Ein besseres Verständnis von Enzymen und ihren Funktionen wäre ein Segen für die Forschung in den Bereichen Genomik, Chemie, Industriematerialien, Medizin, Pharmazie und mehr.
„So wie ChatGPT Daten aus der geschriebenen Sprache verwendet, um Vorhersagetext zu erstellen, nutzen wir die Sprache von Proteinen, um ihre Aktivität vorherzusagen“, sagte Studienleiter Huimin Zhao, Professor für Chemie- und Biomolekulartechnik an der University of Illinois Urbana-Champaign. „Fast jeder Forscher möchte bei der Arbeit mit einer neuen Proteinsequenz sofort wissen, was das Protein tut. Darüber hinaus hilft dieses Tool den Forschern bei der Herstellung von Chemikalien für jede Anwendung – Biologie, Medizin, Industrie – dabei, die richtigen benötigten Enzyme schnell zu identifizieren für die Synthese von Chemikalien und Materialien.”
Die Forscher werden ihre Ergebnisse in der Zeitschrift Science veröffentlichen und CLEAN am 31. März online zugänglich machen.
Mit den Fortschritten in der Genomik wurden viele Enzyme identifiziert und sequenziert, aber Wissenschaftler haben wenig oder gar keine Informationen darüber, was diese Enzyme tun, sagte Zhao, ein Mitglied des Carl R. Woese Institute for Genomic Biology in Illinois.
Andere Computerwerkzeuge versuchen, Enzymfunktionen vorherzusagen. Typischerweise versuchen sie, eine Enzymkommissionsnummer – einen ID-Code, der angibt, welche Art von Reaktion ein Enzym katalysiert – zuzuordnen, indem sie eine abgefragte Sequenz mit einem Katalog bekannter Enzyme vergleichen und ähnliche Sequenzen finden. Diese Werkzeuge funktionieren jedoch nicht so gut mit weniger untersuchten oder nicht charakterisierten Enzymen oder mit Enzymen, die mehrere Aufgaben erfüllen, sagte Zhao.
„Wir sind nicht die ersten, die KI-Tools verwenden, um Enzymkommissionszahlen vorherzusagen, aber wir sind die ersten, die diesen neuen Deep-Learning-Algorithmus namens kontrastives Lernen verwenden, um die Enzymfunktion vorherzusagen. Wir stellen fest, dass dieser Algorithmus viel besser funktioniert als die KI Tools, die von anderen verwendet werden”, sagte Zhao. „Wir können nicht garantieren, dass jedes Produkt korrekt vorhergesagt wird, aber wir können eine höhere Genauigkeit erzielen als die anderen zwei oder drei anderen Methoden.“
Die Forscher verifizierten ihr Werkzeug experimentell sowohl mit Computer- als auch mit In-vitro-Experimenten. Sie fanden heraus, dass das Tool nicht nur die Funktion von zuvor nicht charakterisierten Enzymen vorhersagen konnte, sondern auch Enzyme korrigierte, die von der führenden Software falsch gekennzeichnet wurden, und Enzyme mit zwei oder mehr Funktionen korrekt identifizierte.
Zhaos Gruppe macht CLEAN online für andere Forscher zugänglich, die ein Enzym charakterisieren oder bestimmen möchten, ob ein Enzym eine gewünschte Reaktion katalysieren könnte.
„Wir hoffen, dass dieses Tool von der breiten Forschungsgemeinschaft weit verbreitet wird“, sagte Zhao. “Mit der Webschnittstelle können Forscher einfach die Sequenz in ein Suchfeld eingeben, wie bei einer Suchmaschine, und die Ergebnisse sehen.”
Zhao sagte, die Gruppe plane, die KI hinter CLEAN zu erweitern, um andere Proteine wie Bindungsproteine zu charakterisieren. Das Team hofft auch, die maschinellen Lernalgorithmen so weiterzuentwickeln, dass ein Benutzer nach einer gewünschten Reaktion suchen kann und die KI auf ein geeignetes Enzym für die Aufgabe hinweist.
„Es gibt viele uncharakterisierte Bindungsproteine wie Rezeptoren und Transkriptionsfaktoren. Wir wollen auch ihre Funktionen vorhersagen“, sagte Zhao. „Wir wollen die Funktionen aller Proteine vorhersagen, damit wir alle Proteine einer Zelle kennen und die ganze Zelle besser untersuchen oder für biotechnologische oder biomedizinische Anwendungen entwickeln können.“
Die National Science Foundation unterstützte diese Arbeit durch das Molecule Maker Lab Institute, ein KI-Forschungsinstitut, das Zhao leitet.
Tianhao Yu, Haiyang Cui, Jianan Kanal Li, Yunan Luo, Guangde Jiang, Huimin Zhao.
Enzymfunktionsvorhersage durch kontrastives Lernen.
Wissenschaft, 2023. doi: 10.1126/science.adf2465
