Pesquisadores dos Departamentos de Química e Ciência da Engenharia da Universidade de Oxford descobriram uma maneira geral de prever a atividade enzimática. As enzimas são os catalisadores de proteínas que desempenham a maioria das funções-chave em Biologia. Publicado em Nature Chemical Biology , a nova abordagem de IA dos pesquisadores é baseada na sequência da enzima, junto com a seleção de um 'conjunto de treinamento' definido de substratos e os parâmetros químicos corretos para defini-los.

As enzimas são o alvo de muitos medicamentos. Se os cientistas podem prever suas funções, eles podem então inibir essas funções com pequenas moléculas - em alguns casos, para tratar doenças. Esta pesquisa será fundamental para a criação de uma imagem holística que forneça uma compreensão mais completa e completa da biologia e da saúde.

Os pesquisadores analisaram uma família inteira de enzimas de uma espécie de planta. Eles combinaram a expressão de alto rendimento das enzimas dos genes correspondentes, em seguida, rastreou sua atividade enzimática quantitativa, espectroscopia de massa sem rótulo. A análise simples da sequência primária da enzima não dá nenhum padrão real de previsão de atividade, mas quando combinado com técnicas de IA do Grupo de Aprendizado de Máquina da Universidade de Oxford, descritores químicos padrão podem derivar um sistema preditivo poderoso.

Ben Davis, Professor de química da Universidade de Oxford diz:"O principal é que, em vez de ser uma 'caixa preta', esse método devolve ao químico / biólogo previsões bem-sucedidas e razões para as previsões que têm significado químico e biológico. Isso, por sua vez, nos permitiu descobrir quais enzimas podem ser usadas em síntese, prever a atividade de enzimas de espécies muito diferentes (até bactérias) e descobrir como projetar enzimas de uma nova maneira com base em sugestões que não teríamos previsto. "

Ele acrescenta:"Vemos isso como um mecanismo de descoberta muito poderoso. Ele lançará possibilidades intrigantes na mistura de testes de hipóteses. Dado o recente Prêmio Nobel de química na evolução de enzimas em tubos de ensaio, IA aplicada a enzimas para maior compreensão pode provar ser uma próxima fronteira muito poderosa. "

Stephen Roberts, professor de aprendizado de máquina em engenharia da informação da Universidade de Oxford afirma:"Vivemos em uma era de big data e big models, mas não necessariamente de grande conhecimento ou percepção. De fato, a natureza de muitos complexos, modelos de bom desempenho obscurecem os detalhes de sucesso, levando a soluções de 'caixa preta' que carecem de pronta interpretabilidade. Em contraste acentuado, o método científico constrói a extração de insights em seu núcleo. Nesta pesquisa, mostramos que os modelos que fornecem transparência e visão ainda são capazes de impulsionar os avanços científicos. "

Este grande avanço permite previsões bem-sucedidas da atividade do catalisador de proteínas, que tem implicações em uma ampla gama de áreas, incluindo a pesquisa médica. É um campo significativamente mais desafiador do que a modelagem de catalisadores de pequenas moléculas, que até agora tem sido o ápice do aprendizado de máquina / química.