本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
运输蛋白负责底物进出生物细胞的持续运动。然而，很难确定特定蛋白质可以转运哪些底物。海因里希海涅大学杜塞尔多夫 (HHU) 的生物信息学家开发了一种名为 SPOT 的模型，可以使用人工智能 (AI) 高精度地预测这一点。
研究人员提出了他们的方法，该方法可用于任意传输蛋白质，发表在 PLOS Biology 杂志上。
生物细胞中的底物必须不断地穿过细胞膜向内和向外运输，以确保细胞的存活并使其能够发挥其功能。然而，并非所有在体内移动的底物都应该被允许进入细胞。其中一些传输过程必须是可控的，以便它们仅在特定时间或特定条件下发生，才能触发细胞功能。
这些主动且专门的传输通道的作用是由如此承担的- 称为转运蛋白（transporters），种类繁多，整合到细胞膜中。转运蛋白包含大量单独的氨基酸，它们共同形成复杂的三维结构。
每个转运蛋白都是针对特定分子（所谓的底物或一小群底物）定制的。但到底是哪一个呢？研究人员一直在寻找匹配的转运蛋白-底物对。
计算细胞生物学研究小组的 Martin Lercher 博士教授和该研究的通讯作者说：“通过实验确定哪些底物与哪些转运蛋白相匹配是非常重要的。即使确定转运蛋白的三维结构（从中可以识别底物）也是一个挑战，因为蛋白质一旦从细胞膜上分离出来就变得不稳定。”
“我们该研究的主要作者、Lercher 教授研究小组的博士后 Alexander Kroll 博士说：“我们选择了一种不同的基于人工智能的方法。”“我们的方法称为 SPOT，使用了超过 8,500 个转运蛋白-底物对，这些配对已经过实验验证，作为深度学习模型的训练数据集。”
使计算机能够处理转运蛋白和底物分子，杜塞尔多夫的生物信息学家首先将蛋白质序列和底物分子转换成可以由人工智能模型处理的数值向量。学习过程完成后，新转运蛋白的载体和潜在合适底物的载体可以输入人工智能系统。然后，该模型会预测某些底物与转运蛋白相匹配的可能性。
Kroll 解释说：“我们使用独立的测试数据集验证了我们的训练模型，其中我们也已经知道了转运蛋白-底物对。SPOT预测任意分子是否是特定转运蛋白的底物的准确度超过 92%。”
SPOT 因此提出了非常有前途的候选底物。“这使我们能够在很大程度上限制实验者的搜索范围，从而加快识别哪种底物与实验室中的转运蛋白明确匹配的过程，”Lercher 教授在解释生物信息学预测与转运蛋白之间的联系时说道。实验验证。
Kroll 补充道，“这适用于任何任意转运蛋白，而不仅仅是有限类别的相似蛋白，就像迄今为止其他方法的情况一样。”
该模型有各种潜在的应用领域。
Lercher 指出，“在生物技术中，可以修改代谢途径以生产特定产品，例如生物燃料，或者可以根据转运蛋白定制药物以促进它们的运输。准确地进入那些它们应该发挥作用的细胞。”
更多信息：Alexander Kroll 等人，SPOT：预测转运蛋白特定底物的机器学习模型，PLOS Biology (2024)。DOI：10.1371/journal.pbio.3002807
期刊信息：PLoS Biology
由杜塞尔多夫海因里希-海涅大学提供