基于酶递归竞争网络的多任务分子信息处理新策略

《Nature Chemistry》：A recursive enzymatic competition network capable of multitask molecular information processing

本刊推荐：为解决合成酶反应网络难以模拟生物信息处理复杂性的问题，研究人员开发了基于蛋白酶递归竞争网络的分子储备计算系统。该网络通过七种蛋白酶与七种多切割位点肽底物的竞争性相互作用，实现了对肽输入、温度(25-55°C)和pH(6.0-8.5)等多模态信息的非线性分类，温度传感精度达1.3°C，并成功扩展至光脉冲周期性检测。这项研究为开发智能分子系统提供了新范式。

　　

在生命系统中，细胞通过复杂的反应网络实现对化学和物理刺激的感知、整合与解读。尽管合成生物学在模拟生命系统特征方面取得显著进展，但现有酶反应网络仍缺乏足够的复杂性来完全捕捉生物信息处理的精髓。传统方法专注于构建小型网络模块，往往受限于分子设计的复杂性和参数空间的狭窄性，难以实现多任务处理能力。正是在这一背景下，荷兰拉德堡德大学的研究团队在《Nature Chemistry》上报道了一种基于递归竞争原理的可扩展酶反应网络，为分子级信息处理提供了新思路。

研究团队采用七种蛋白酶（胰蛋白酶、糜蛋白酶、弹性蛋白酶、凝血酶、嗜热菌蛋白酶、脯氨酸内切酶和碱性磷酸酶）与七种含多重切割位点的短肽组成网络核心。通过酶固定化技术将蛋白酶锚定于聚丙烯酰胺水凝胶微珠，在连续搅拌釜反应器(CSTR)中构建可重复使用的“酶硬件”。关键技术创新包括：①多底物竞争性切割体系设计，利用肽链的递归切割产生非线性动力学；②质谱实时监测系统，通过电喷雾电离质谱(ESI-MS)追踪103种裂解片段；③物理参数耦合接口，将温度、pH和光脉冲信号转化为网络输入；④线性读出算法优化，采用岭回归和线性支持向量分类器(LSVC)实现多任务解码。

化学与物理化学非线性分类任务

通过调节两种肽输入(S1/S2)的浓度组合，网络成功执行了异或门(XOR)、圆形和沙漏分类任务。当以温度(25-55°C)和pH(6.0-8.5)作为输入时，网络仍保持高达0.9以上的分类准确率。研究表明，仅使用三或五种酶的子网络无法完成复杂分类，证实计算能力源于网络整体复杂性而非单个组分。

广义物理信息处理

网络在温度传感任务中表现出1.33°C的平均误差，其线性响应覆盖30°C区间。对于激活任务（模拟生物系统的S形响应）、调谐任务（梯度估计）和决策任务（二进制分类），网络均能通过线性读出层提取非线性特征。特别值得注意的是，网络可在不同转折温度T₀（30.75-51°C）下保持稳定性能，验证了其自适应能力。

光脉冲输入扩展

通过添加光致变色染料merocyanine，网络成功实现对蓝光脉冲周期性（30-600秒）的二进制分类。在平均光照强度恒定条件下，网络能区分2-8分钟周期阈值，展现了处理时序信息的能力。这一突破为化学系统与光学设备的直接接口提供了可能。

该研究通过递归竞争机制构建的酶反应网络，首次实现了化学储备计算与多模态环境感知的融合。相较于先前报道的甲醛反应网络，该体系在生物相容性和可扩展性方面更具优势，其温和反应条件允许与水凝胶等软材料直接集成。研究提出的“酶硬件-肽软件”分离架构，为构建智能分子系统提供了可推广的蓝图。未来通过引入更多蛋白酶和修饰肽底物，或与代谢感知器等生物网络耦合，有望实现与活细胞的直接对话，推动自主分子系统向更高复杂度演进。