酶是生命的引擎 - 机器学习可以帮助科学家设计新的

酶是分子机器，可以执行维持所有寿命的化学反应，这种能力吸引了人们的注意力像我这样的科学家。

考虑肌肉运动。您的身体释放出一种称为乙酰胆碱的分子，以触发肌肉细胞收缩。如果乙酰胆碱粘着太长时间，它会使您的肌肉瘫痪，包括心脏肌肉细胞，就是这样。这是酶乙酰胆碱酯酶进来。该酶每秒可以分解数千种乙酰胆碱分子，以确保避免肌肉收缩，避免瘫痪并持续生命。没有这种酶，一个乙酰胆碱分子就需要一个月慢100亿次。

您可以想象为什么酶对寻求解决现代问题的科学家特别感兴趣。如果有一种方法可以分解塑料，捕获二氧化碳或像乙酰胆碱酯酶那样快地破坏癌细胞，该怎么办？如果世界需要快速采取行动，那么只有研究人员才能设计它们来应对这些挑战，酶是该工作的引人注目的候选人。

不幸的是，设计酶非常困难。就像使用原子大小的乐高集合一样，但是说明丢失了，除非完美地组装，否则这些东西不会在一起。我们团队的新发表的研究表明机器学习可以在这款乐高积木中充当建筑师，帮助科学家准确构建这些复合物结构。

什么是酶？

让我们仔细看看构成酶的原因。

酶是蛋白质•从事幕后工作的大分子，使所有生物都活着。这些蛋白质由氨基酸，一组可以缝合在一起的构件，形成长弦，将其打结为特定形状。

蛋白质的特定结构是其功能的关键，就像日常对象的形状一样。例如，就像汤匙一样，勺子以刀无法容纳液体，而涉及移动肌肉的酶不太适合植物中的光合作用。

为了使酶起作用，它采用了与其处理的分子完全匹配的形状，就像一个锁匹配钥匙。与靶分子相互作用的酶中的独特凹槽是在称为该酶的区域中发现的活性站点。

酶的活性位点恰好是氨基酸进入靶分子时与氨基酸相互作用。这使得分子更容易经历化学反应将其变成不同的反应，从而使过程更快。化学反应完成后，将释放新分子，并准备好处理另一种分子。

您如何设计酶？

科学家花了数十年的时间试图设计自己的酶来制造新的分子，材料或治疗剂。但是，制作看起来像自然界中发现的酶一样快，这是非常困难的。

酶具有由数百种氨基酸组成的复杂，不规则的形状。这些构件中的每一个都需要完美地放置，否则酶会放慢或完全关闭。速度赛车和慢速酶之间的差异可能小于单个原子的宽度。

最初，科学家专注于修饰现有酶的氨基酸序列提高其速度或稳定性。这种方法的早期成功主要改善了酶的稳定性，使它们能够催化化学反应在较高的温度范围内。但是，这种方法对于提高酶的速度不太有用。直到今天，通过修饰单个氨基酸来设计新酶通常不是改善天然酶的有效方法。

研究人员发现，使用一个称为的过程定向进化，其中酶的氨基酸序列被随机更改，直到可以执行所需的功能为止，事实证明，氨基酸序列更加富有成果。例如，研究表明，定向进化可以提高化学反应速度，热稳定性，甚至产生具有本质上没有特性的酶。但是，这种方法通常是劳动力密集的：您必须筛选许多突变体才能找到一个可以做的东西。在某些情况下，如果没有良好的酶开始，则此方法根本无法正常工作。

这两种方法都受到对天然酶的依赖的限制。也就是说，将您的设计限制在天然蛋白质的形状上可能会限制酶可以促进的化学性质。请记住，您不能用刀吃汤。

是否可以从头开始制作酶，而不是修改自然食谱？是的，有计算机。

用计算机设计酶

进行计算设计酶的第一次尝试仍然主要依赖于天然酶作为起点，重点是放置酶为天然蛋白的活性位点。

这种方法类似于试图在旧货店找到西装：您不太可能找到一个完美的合适件固定结构（具有随机测量的西装）不可能完美地适应它。这些努力中产生的酶的表现要比自然界中发现的酶的速度要慢得多，这需要通过定向进化的进一步优化才能达到天然酶之间常见的速度。

最近的进步深度学习已经大大改变了用计算机设计酶的景观。现在，可以与AI模型（例如Chatgpt和Dall-e生成文本或图像）生成酶，并且您无需使用本机蛋白质结构来支持您的活动网站。

我们的团队表明，当我们提示AI模型时称为rfdiffusion，使用活性位点的结构和氨基酸序列，它可以生成其余的酶结构，从而完全支持它。这相当于提示Chatgpt根据提示提示写整个短篇小说，该提示只会说“可悲的是，鸡蛋从未出现”。

我们专门使用此AI模型来生成称为称为的酶丝氨酸水解酶，一组在医学和塑料回收中具有潜在应用的蛋白质。设计酶后，我们将它们与预期的分子靶标混合在一起，以查看它们是否可以催化其分解。令人鼓舞的是，我们测试的许多设计都可以分解分子，并且比以前设计的酶更好。

为了了解我们的计算设计的准确性，我们使用了一种称为X射线晶体学的方法来确定这些酶的形状。我们发现其中许多是几乎完美的匹配根据我们的数字设计。

我们的发现标志着酶设计方面的关键进步，强调了AI如何帮助科学家开始解决复杂问题。机器学习工具可以帮助更多的研究人员访问酶设计并利用酶的全部潜力解决现代问题。本文从

对话在创意共享许可下。阅读原始文章。