I ricercatori dei dipartimenti di chimica e ingegneria dell'Università di Oxford hanno trovato un modo generale per prevedere l'attività enzimatica. Gli enzimi sono i catalizzatori proteici che svolgono la maggior parte delle funzioni chiave in biologia. Pubblicato in Natura chimica biologia , il nuovo approccio AI dei ricercatori si basa sulla sequenza dell'enzima, insieme allo screening di un "training set" definito di substrati e dei giusti parametri chimici per definirli.

Gli enzimi sono il bersaglio di molti farmaci. Se gli scienziati possono prevedere le loro funzioni, possono quindi inibire quelle funzioni con piccole molecole, in alcuni casi per curare le malattie. Questa ricerca sarà fondamentale per creare un quadro olistico che fornisca una comprensione più piena e completa della biologia e della salute.

I ricercatori hanno affrontato un'intera famiglia di enzimi da una specie di pianta. Hanno combinato l'espressione ad alto rendimento degli enzimi dai geni corrispondenti, quindi vagliato la loro attività enzimatica quantitativa, spettroscopia di massa senza etichetta. La semplice analisi della sequenza primaria dell'enzima non fornisce alcun modello reale di previsione dell'attività, ma se combinato con le tecniche di intelligenza artificiale del Machine Learning Group dell'Università di Oxford, descrittori chimici standard possono derivare un potente sistema predittivo.

Ben Davis, Professore di chimica all'Università di Oxford dice, "La cosa fondamentale è che piuttosto che essere una 'scatola nera' questo metodo restituisce al chimico/biologo previsioni di successo e ragioni per quelle previsioni che hanno un significato chimico e biologico. Questo a sua volta ci ha permesso di capire quali enzimi possono essere usati in sintesi, prevedere l'attività di enzimi di specie molto diverse (anche batteri) e capire come progettare gli enzimi in un modo nuovo sulla base di suggerimenti che non avremmo previsto".

E aggiunge:"Vediamo questo come un motore di scoperta molto potente. Getterà possibilità intriganti nel mix per la verifica delle ipotesi. Dato il recente premio Nobel per la chimica nell'evoluzione degli enzimi in provetta, L'intelligenza artificiale applicata agli enzimi per una maggiore comprensione potrebbe rivelarsi una prossima frontiera molto potente".

Stefano Roberts, professore di machine learning in ingegneria dell'informazione presso l'Università di Oxford afferma:"Viviamo in un'era di big data e grandi modelli, ma non necessariamente di grande conoscenza o intuizione. Infatti, la natura di molti complessi, modelli ben performanti oscurano i dettagli del successo, portando a soluzioni 'black-box' che mancano di pronta interpretabilità. In netto contrasto, il metodo scientifico costruisce l'estrazione di insight nel suo nucleo. In questa ricerca abbiamo dimostrato che i modelli che forniscono trasparenza e comprensione sono ancora in grado di guidare i progressi scientifici".

Questo importante progresso consente di prevedere con successo l'attività del catalizzatore proteico, che ha implicazioni in una vasta gamma di settori, compresa la ricerca medica. È un campo significativamente più impegnativo rispetto alla modellazione di catalizzatori di piccole molecole che è stato l'apice nell'apprendimento automatico/chimica fino ad ora.