CleaveSmart：借助可解释的AI洞察，破解理性选择10–23号DNA酶的难题

《Scientific Reports》：CleaveSmart: deciphering the puzzle of rational 10–23 DNAzyme selection through interpretable AI insights

　　

摘要

10–23型DNA酶是一种多功能平台，可用于基因调控和诊断中的可编程RNA切割；然而，由于缺乏选择最佳酶-底物对的精确标准，其实际应用效果仍受到限制。虽然机器学习可以为解决这一复杂性提供有力框架，但以往的计算方法缺乏足够的预测能力和通用性。在此，我们基于38组DNA酶-底物相互作用的完整数据集，构建了一种以特征为中心的机器学习框架。通过设计一系列更完善的物理化学描述符——包括结合能、DNA酶内部能量及同二聚体能量以及RNA切割能耗——我们对多种算法进行了测试，结果表明随机森林模型的性能最为出色。我们的优化模型能够准确预测持续催化活性（60分钟切割时间），这一结果在11个独立实验样本的数据集中得到了验证（准确率=0.91，F1分数=0.95）。值得注意的是，对于快速活性（10分钟）的预测能力显著下降，这表明两者在机制上存在差异：持续催化主要受热力学稳定性支配，而早期阶段的切割则可能受瞬态动力学因素影响更大。我们将这些见解整合到了CleaveSmart工具中（cleavesmart.streamlit.app）。这一透明且开放获取的分析流程以数据驱动的方式替代了传统的试错法，大大简化了高效DNA酶的筛选过程。