利用人工智能理解酶催化并发现新酶

《Current Opinion in Structural Biology》：Harnessing artificial intelligence to understand enzyme catalysis and discover new enzymes

　　

分子模拟一直是研究人员理解酶工作原理的核心手段，而人工智能/机器学习（AI/ML）方法的持续爆发式发展正极大拓展了可利用模拟解决的问题范围。该领域发展速度惊人，新方法和成功应用几乎不断涌现。本综述旨在对AI/ML方法显著改变计算酶学（包括理解与设计）的四个关键领域进行更高层次的概述，具体为：（1）酶发现与功能注释；（2）动力学参数预测；（3）蛋白质动力学与酶反应机制的理解；（4）蛋白质变构（allostery）的解码。研究人员还讨论了该研究领域中一些突出的技术挑战以及为克服这些挑战所做的努力。

酶作为已知最高效的催化剂，其催化机制涉及多方面复杂因素，对其进行建模需要高昂的计算成本。人工智能（AI）虽未完全解决成本-精度范式问题，但降低了进入门槛并极大拓展了可解决问题的范围。本综述围绕四个核心领域展开：酶发现与功能注释、动力学参数预测、机器学习与分子动力学（MD）或机器学习/分子力学（ML/MM）混合方法对酶催化的增强描述，以及蛋白质构象系综与变构对酶催化影响的建模。

在酶发现与功能注释方面，宏基因组分析揭示了海量未注释序列（数亿乃至超过十亿），这些数据稀疏、嘈杂且不平衡。机器学习可用于特征提取与排序，并在功能注释和活性预测方面取得显著进展。相关方法分为两类：利用酶 commission 编号（EC）和基因本体等分类描述符的方法（如CLEAN、DeepECTransformer、ProteInfer），以及绕过传统描述符采用新型精细描述符的方法（如EasIFA、Horizyn、Venus RXN，后者对训练集未见反应的top-20检索命中率达76.5%）。这些进展增强了对新功能序列的识别与功能指派能力。

在动力学参数预测方面，可靠的实验数据稀疏仍是主要瓶颈，且动力学参数具有环境依赖性（受缓冲液、温度、pH等影响），蛋白质动力学和变构也影响参数而ML模型未予考虑。尽管如此，CataPro结合预训练模型与分子指纹预测动力学参数，并成功发现催化4-乙烯基愈创木酚（4-VG）转化为香草醛的酶Sphingobium sp. CSO，活性比基准酶高19.53倍，经计算定向进化可再提升3.34倍；研究还表明kcat比KM更难预测，迁移学习可改善kcat/KM预测。DeepEnzyme和GraphKcat结合三维结构信息改进kcat预测。GotEnzymes作为公开数据库为社区提供宝贵资源。

在酶动力学与催化描述方面，机器学习力场（MLFF）基于高质量量子化学数据训练，支持ML驱动的分子动力学模拟；ML用于识别最优集体变量加速增强采样，加速模拟数据解读，以及替代QM/MM中的量子区域实现ML/MM模拟。MLFF采用图神经网络（GNN）或端到端训练拟合势能，如ANI型可迁移神经网络势和MACE-OFF。ML/MM静电嵌入提高了方法效力，已用于描述分支酸变位酶和Diels-Alder酶的化学反应性。

在构象系综与变构方面，AlphaFold以来的结构预测取得爆发式进展，但蛋白质非静态。多种方法被用于描述构象系综，如AF-cluster利用多序列比对（MSA）子采样和聚类预测折叠转换蛋白结构，AFSample2利用随机MSA列掩码，SF-cluster利用能量挫败，ExEnDiff和DiffEnsemble利用扩散模型生成符合玻尔兹曼分布的系综，ConforMix可补充扩散模型。生成式AI还能生成时间依赖的结构系综（轨迹），如Gen-COMPAS可迭代补充物理建模。AI/ML可编码高维运动至低维子空间以绕过折叠景观采样难题，并用于解码变构网络（如DeepPATH、RHML、DRUMBEAT），指导变构驱动设计、识别隐蔽变构口袋（PASSer、DeepAllo）及构建人工变构蛋白开关。但变构配体结合被称为当前ML方法的"盲点"，变构位点预测比正构位点更复杂。

作者还指出模型陷阱与验证问题：预测方法受训练数据质量限制，存在正数据偏倚，验证策略常不足以完整验证生物学预测；应利用实验可观测量（如NMR弛豫率、SAXS谱）验证系综，用密度泛函理论（DFT）验证ML势，并强调物理知情AI的重要性。

结论部分：研究人员正处于AI增强的科学突破之中，AI可阐明人类难以解读的复杂进化模式，应用范围从替代模型到生成模型再到抽象模型。但好的"侦探"取决于推理的有效性，训练不足或实施不当的AI模型可能阻碍而非补充科学事业。目前仍处于最佳实践不明确的未充分探索领域，当前限制因素在于建立统一框架来规范模型的使用与评估；不应期待单一模型充当"Sherlock Holmes"，而应要求模型与科学家之间有明确合理分工的更稳健系统，共同方法性地有效理解驱动生物进化的底层模式。