生体触媒：クロスアテンション・グラフニューラルネットワークを用いた酵素特異性の予測

酵素は生物の分子機械であり、その機能を司る重要な特性は、基質特異性、すなわち、酵素が特定の基質を認識してその基質に対し選択的に作用する能力である。この特異性は、酵素の活性部位の三次元（3D）構造と酵素反応の複雑な遷移状態に起因する。多くの酵素は、それらの進化において本来標的であった反応や基質だけでなく、別の反応を触媒したり、別の基質にも幅広く作用したりできる。しかし、数百万もの既知酵素は、まだ信頼できる基質特異性情報がなく、それらの実際的応用と自然界における生体触媒多様性の包括的理解が阻まれている。今回我々は、酵素の基質特異性を予測するための、クロスアテンションにより強化されたSE(3)同変なグラフニューラルネットワークのアーキテクチャー「EZSpecificity」を開発した。このアーキテクチャーは、配列レベルおよび構造レベルでの酵素–基質相互作用についてのテーラーメイドの総合データベースで訓練された。EZSpecificityは、酵素の基質特異性を予測する既存の機械学習モデルよりも優れており、これは未確認の基質・酵素データベースと7つの概念実証タンパク質ファミリーの両方で実証された。8つのハロゲン化酵素と78の基質を用いた実験的検証では、EZSpecificityは、単一の潜在的な反応性基質の特定において91.7％の精度を達成した。これは、最先端モデルの酵素基質予測（58.3％）よりも著しく高い。EZSpecificityは、生物学と医学における基礎・応用研究に関連する酵素の基質特異性を高い精度で予測する、汎用機械学習モデルである。

目次へ戻る