新的机器学习方法更擅长发现蛋白质中的酶金属

劳伦斯——上赛季，堪萨斯城酋长队四分卫帕特里克·马霍姆斯的传球完成率为 66.3。

但是，与 MAHOMES 的准确性相比，Mahomes 令人印象深刻的统计数据相形见绌，这是一种由堪萨斯大学开发的机器学习模型 MAHOMES -友好且便宜的药物疗法和其他工业产品。

MAHOMES 不是针对广泛的接收器，而是以 92.2% 的准确率区分蛋白质中的酶促金属和非酶促金属。KU 的一个团队最近在Nature Communications上发表了关于这种区分酶的机器学习方法的结果。

“酶是非常有趣的蛋白质，可以完成所有化学反应——酶对某物进行化学反应，将其从一种东西转化为另一种东西，”相应作者、KU 分子生物科学和计算生物学副教授乔安娜·斯卢斯基 (Joanna Slusky) 说。“你带进你身体的一切，你的身体都会把它分解成新的东西，分解成新东西的过程——所有这一切都归功于酶。”

Slusky 和她实验室的研究生合作者Ryan Feehan(命名 MAHOMES 的酋长队球迷)和 KU计算生物学中心的Meghan Franklin试图使用计算机来区分不进行化学反应的金属蛋白和金属酶以惊人的力量和效率促进化学反应。

问题是金属蛋白和金属酶在许多方面是相同的。

“人们并不完全了解酶的工作原理，”Slusky 说。“对于任何给定的酶，你可以说，'好吧，你知道，它会去掉这个氢并带上 -OH 基团，'或者它所做的任何事情。但如果我给你一种你以前从未见过的蛋白质，然后我问，‘最后会怎样?哪一边会产生反应?”作为科学家，甚至作为酶学家，您可能无法告诉我。现在，其中一个关键是大约 40% 的酶使用金属进行催化——因此它们的蛋白质与金属结合，然后发生变化的任何东西都会进入该活性位点并发生变化。我们看到这些金属结合蛋白和金属酶，它们是结合金属的酶，

标签：