التنبؤ بخصوصية الإنزيم باستخدام الشبكات العصبية ذات الرسم البياني للانتباه

الإنزيمات هي الآلات الجزيئية للحياة، والخصوصية الرئيسية التي تحكم وظيفتها هي خصوصية الركيزة – قدرة الإنزيم على التعرف على ركائز معينة والتصرف بشكل انتقائي عليها. تنشأ هذه الخصوصية من البنية ثلاثية الأبعاد (3D) للموقع النشط للإنزيم والحالة الانتقالية المعقدة للتفاعل^1,2. يمكن للعديد من الإنزيمات أن تحفز التفاعلات بشكل غير شرعي أو تعمل على ركائز تتجاوز تلك التي تطورت من أجلها في الأصل^1,3-5. ومع ذلك، لا تزال الملايين من الإنزيمات المعروفة تفتقر إلى معلومات موثوقة عن خصوصية الركيزة، مما يعوق تطبيقاتها العملية والفهم الشامل للتنوع التحفيزي الحيوي في الطبيعة. هنا، قمنا بتطوير بنية شبكة عصبية ذات رسم بياني مكافئ SE(3) مدعمة بالاهتمام المتبادل تسمى EZSpecificity للتنبؤ بخصوصية ركيزة الإنزيم، والتي تم تدريبها على قاعدة بيانات شاملة مصممة خصيصًا لتفاعلات الركيزة والإنزيم على المستويات التسلسلية والهيكلية. تفوقت EZSpecificity على نماذج التعلم الآلي الحالية للتنبؤ بخصوصية الركيزة الإنزيمية، كما يتضح من قاعدة بيانات الركيزة والإنزيم غير المعروفة وسبع عائلات بروتينية لإثبات المفهوم. كشف التحقق التجريبي باستخدام ثمانية هالوجينات و78 ركيزة أن EZSpecificity حققت دقة بنسبة 91.7% في تحديد الركيزة التفاعلية المحتملة الوحيدة، وهي أعلى بكثير من تلك الخاصة بالنموذج المتطور ESP (58.3%). يمثل EZSpecificity نموذجًا عامًا للتعلم الآلي للتنبؤ الدقيق بخصوصية الركيزة للإنزيمات المتعلقة بالأبحاث الأساسية والتطبيقية في علم الأحياء والطب.