《Journal of Chemical Information and Modeling》：Predicting Enzyme pH Optima from Structure Using Equivariant Graph Neural Networks
编辑推荐：
酶的活性与稳定性受pH值的强烈调节，这使得催化最适pH值成为酶开发与生物技术应用中的关键参数。然而，通过实验确定pHopt耗时且费力，这促使研究人员开发准确的计算预测方法。在此，研究人员引入了pHoptNN，这是一种旨在直接从三维蛋白质结构预测酶pHopt的E
酶的活性与稳定性受pH值的强烈调节，这使得催化最适pH值成为酶开发与生物技术应用中的关键参数。然而，通过实验确定pHopt耗时且费力，这促使研究人员开发准确的计算预测方法。在此，研究人员引入了pHoptNN，这是一种旨在直接从三维蛋白质结构预测酶pHopt的E(n)-等变图神经网络。pHoptNN在一个经过严格筛选的数据集上进行训练，该数据集包含近12,000种具有实验确定pHopt值的酶，以及从蛋白质数据库和AlphaFold获得的高置信度结构模型。该模型将酶表示为原子级别的分子图，并集成了结构、化学和静电特征。模型开发过程得到了使用遗传算法和贝叶斯搜索策略进行的超参数优化的辅助。在留出测试集上，pHoptNN实现了0.588 pH单位的均方根误差，显著优于基于序列的方法EpHod（RMSE = 0.879）。该模型还表现出强大的分布外泛化能力，在包含留出的EC 4类酶以及与训练集序列同一性<20%的酶的测试集上，分别实现了0.594和0.611的RMSE值，而EpHod的RMSE值分别为0.878和0.883。此外，pHoptNN在不同的酶类别和pH范围内均保持了稳健的预测性能。这些结果证明了基于结构的等变深度学习在预测酶pHopt方面的有效性，并突出了pHoptNN在加速酶发现与工程化工作流程中的潜力。
酶作为高效的生物催化剂，其催化活性受活性位点残基空间排列的精确控制，并受到氨基酸组成及包括pH值在内的多种理化条件的调节。pH值通过影响催化和调节残基的质子化状态，从而影响底物结合、过渡态稳定及整体催化效率。偏离最适pH值会导致酶发生可逆甚至不可逆的变性。因此，催化最适pH值是决定酶在自然环境中性能的关键因素，也是生物技术、制药合成及诊断应用中酶工程的重要考量。然而，尽管蛋白质序列和结构数据迅速增长，UniProt和BRENDA等生物数据库中关于酶的pH相关信息仍然稀少且来源异质，实验数据的积累远落后于序列与结构数据的增长。大多数已知酶的pHopt值仍缺乏实验表征。为填补这一注释空白，计算方法应运而生。虽然基于序列的方法（如EpHod和Seq2pHopt）在预测pHopt方面取得了一定进展，但它们本质上缺乏明确的三维结构信息，无法全面解释质子化平衡、静电相互作用及活性位点几何构型等决定pHopt的机制因素。鉴于基于结构的方法在热力学稳定性预测中已展现出巨大潜力，且图神经网络能够自然地将蛋白质表示为由原子节点和相互作用边组成的图，研究人员假设，显式包含三维结构信息将有助于更好地捕获决定酶pH依赖性的物理化学原理。为此，研究人员开展了一项基于结构的研究，开发出一种结合原子级图表示与等变消息传递架构的预测框架，构建了包含近12,000个具有高质量结构模型的酶数据集进行训练。结果表明，所提出的模型在预测精度和分布外泛化能力上均显著超越现有基线方法，并且能够学习到具有生物可解释性的理化特征。这一研究成果发表在《Journal of Chemical Information and Modeling》上，为酶的理性设计与改造提供了有力的计算工具。
在关键技术方法方面，研究人员首先整合BRENDA和UniProt数据库并辅以PDB及AlphaFold的高质量结构预测，构建了包含11,615条酶记录的数据集。在模型构建上，将蛋白质三维结构表示为包含原子类型、坐标及偏电荷等节点特征，以及共价键、环成员身份等边特征的分子图。研究采用了E(n)-等变图神经网络架构，通过等变图卷积层在更新节点特征的同时等变地更新原子坐标，以捕获几何对称性。训练过程结合了贝叶斯优化与进化算法进行超参数搜索，并引入了标签分布平滑与逆频率加权技术以缓解pH标签的长尾不平衡问题。此外，模型还集成了边级注意力机制以量化残基对预测的贡献。
研究结果部分总结如下：
关于酶结构与pHopt数据集：研究人员通过多阶段筛选构建了EnzyBase12k数据集。该数据集的pHopt分布集中于中性附近，且在七大酶委员会分类中的分布存在异质性，其中水解酶和转移酶占比较大。结构方面，除部分实验解析的PDB结构外，大多数结构通过AlphaFold预测获得。
关于pHoptNN的基准测试：模型在留出测试集上实现了0.588 pH单位的RMSE，并表现出与实验高度一致的线性相关性。与基于序列的EpHod、OpHReda等方法以及非等变的基线模型相比，pHoptNN在预测精度上取得了显著提升。消融实验表明，注意力机制在碱性等极端条件下的泛化起到了关键作用。
关于分布外预测性能：在限制序列同一性（20%、50%、70%）的测试集及功能持留测试集（EC class 4）上，pHoptNN均展现出优于基线模型的泛化能力，且性能随序列相似度降低呈平缓下降趋势，证明了其在处理远缘同源蛋白质时的稳健性。此外，基于AlphaFold结构的模型表现优于仅依赖少量PDB结构的模型。
关于分层性能比较：在所有EC分类及不同pH区间内，pHoptNN均保持最低预测误差，尤其在数据稀疏的强酸性和强碱性极端区域，相比于基线模型实现了最显著的RMSE降幅，有效克服了传统方法在极端pH区间的局限性。
关于学习表征的潜在空间分析：通过t-SNE对模型学习到的节点嵌入进行可视化，发现模型主要根据残基的理化性质和局部化学环境进行聚类，区分了酸碱性、极性与非极性残基，并能清晰区分溶剂暴露与内部掩埋的残基，表明其学习到了具有生化可解释性的拓扑特征。
关于pHopt相关的结构特征学习：利用注意力机制分析发现，模型对可离子化残基（尤其是Asp和His）及极性残基分配了更高的注意力权重。在酸性酶中，模型对酸性残基的关注度更高。此外，模型更关注暴露于溶剂的表面残基及靠近活性中心的残基，这与静电稳定和质子介导催化的生化机制相符。
关于预测突变引起的pHopt偏移：利用外部基准的突变体数据评估表明，pHoptNN能够准确预测34个突变体中31个突变体的pHopt偏移方向，并在多个案例中实现了与实验值误差在1.0 pH单位内的定量预测。这证明了模型对点突变引起的理化变化具有极高的敏感性。
总结讨论部分，研究人员得出结论，pHoptNN作为一种基于三维结构的等变图神经网络，通过显式编码几何、化学和静电特征，能够准确预测酶的催化最适pH值。该模型不仅在预测精度和分布外泛化能力上全面超越了现有方法，还在极端pH区域表现出显著优势。通过注意力机制与潜在空间分析，研究人员证实模型捕获了与质子转移和静电稳定密切相关的可解释生物物理特征。尽管数值在极端pH范围内仍受限于数据稀缺，但pHoptNN为酶的理性工程提供了一种极具前景的计算工具。未来的研究可进一步探索残基质子化状态建模、辅因子配位以及更广泛的pH-活性曲线预测，从而更全面地揭示酶性能图谱并推动蛋白质设计。
