机器人技术与最小物理信息特征：一种面向酶催化的混合框架

《Advanced Science》：Robots and Minimal, Physics-Informed Features: A Hybrid Framework for Enzyme Catalysis

　　

酶在有机合成中的效用受到一种局限性的制约：对于给定的酶能够作用的小分子底物范围，其预测能力有限。该问题对经典计算化学方法和现代机器学习（ML）方法都极具挑战；后者受数据稀缺（包括至关重要的负样本）以及化学信息学向量化方案不准确的影响。本研究同时应对这两个问题：部署低成本化学机器人（chemical robotics）来整理结构多样的底物集合，既包含活性底物也包含非活性底物，随后利用这些数据开发用于底物适用范围预测的物理学基础机器学习模型。该模型仅使用少数特征，就能从小数据集中学习空间位阻（steric）与电子（electronic）因素之间的恰当平衡。该模型在外部酶家族上保持有用预测能力，并且相较于依赖大量描述符的先进机器学习算法，表现出改进的分布外（out-of-distribution）性能。

《Advanced Science》刊发的研究中，研究人员针对酶催化底物适用范围预测这一难题，指出当前酶在有机合成中虽具绿色、高对映选择性等优势，但实际部署仍依赖经验试错，原因在于底物微小结构变化即可剧烈改变活性中心相互作用；经典计算化学与机器学习均受限于数据库稀疏、负样本缺失、化学信息学描述符泛化差等问题。为此，研究人员构建低成本化学机器人平台，标准化测定四种酶的底物转化率，获得含活性与非活性样本的数据集，并提出仅以少量物理特征驱动的混合模型，用于判断底物是否可被酶催化。

研究采用的关键技术方法包括：自建Robowski机器人液体处理与微孔板读数平台；AutoDock4对接获取底物与参考底物头基空间偏差；密度泛函理论（DFT）计算自然键轨道（NBO）电荷、前线轨道能量；随机森林（RF）等机器学习架构与SHAP解释分析；外部文献数据集用于跨酶族泛化验证。

研究结果如下。

2.1 Robotic System：研究人员通过Robowski平台以96孔板标准化制备反应，用UV-Vis/荧光读板仪定量产率，证明该平台成本低、移液精度1%–2%、每名底物成本低于7美元，可高通量获得可靠产率数据。

2.2 Choice of Enzymes and Substrates：研究人员选取乙醇脱氢酶（ADH，EC 1.1.1.1）与ω-转胺酶（TA，EC 2.6.1.18/2.6.1.42）两类共四种酶，从PubChem筛选分子量小于400且廉价的醇、醛、酮化合物，经溶解度过滤后获得89个ADH候选与98个TA候选底物，最终形成374个酶-底物对，并定义产率大于1%为活性、小于等于1%为非活性。

2.3 Examples of Yield Trends, Activity Cliffs and Fallacy of Similarity Metrics：研究人员通过同系物产率曲线展示非线性趋势与活性悬崖（activity cliffs），说明二维相似度如Tanimoto不足以刻画三维空间互补与局部电子效应，不能由相似底物推定活性。

2.4 Physics-Based Model Features：研究人员以参考底物S_ref为基准，构造头基重原子均方根偏差（RMSD）、键矢量角偏差γ、结合能差ΔE_i、NBO电荷差Δq_j,i、HOMO/LUMO能量差及HOMO–LUMO能隙差等特征，用对接捕捉空间位阻、用DFT捕捉电子效应，作为催化发生前的必要条件而非绝对催化能力。

2.5 Model Development：研究人员以逻辑回归、决策树、RF、XGBoost比较，经特征消融确定RMSD、角偏差、HOMO–LUMO能隙三特征最优，RF表现最佳；模型在五类酶族间做训练/验证/测试划分，平均平衡准确率约0.67，单酶训练也可迁移至同类或其他类酶，SHAP显示空间与电子特征均重要。

2.6 Comparison With State-of-the-Art ML Models：研究人员将RF模型与ProSmith、VIPER、EZSpecificity比较；ProSmith在未见底物上接近随机，VIPER受二维指纹限制，EZSpecificity虽大规模训练但与本研究RF性能相当，证明显式活性中心结构信息比单纯序列或海量描述符更有价值，且少特征模型更具可解释性。

讨论部分中，研究人员强调两点：一是广结构覆盖与负样本对酶底物预测至关重要，廉价机器人可让小实验室标准化筛查；二是必须同时用物理真实描述符表达空间位阻与电子效应，对接可作蛋白质-配体取向代理，未来可用AlphaFold 3或Boltz-2提升结合姿态精度。该模型跨机制不同酶族可迁移，适合固定酶底物范围预测，并补强先进模型训练集未覆盖场景。

结论部分译为：总体而言，本研究引出两点主要评论，且在许多方面呼应研究人员在非酶有机反应结果与合成规划中ML与混合模型的经验。首先，广泛结构覆盖与负数据纳入极其重要。当前收集和报告酶亲和力的标准化数据方法不可扩展，这反映为高底物-酶比下覆盖极稀疏。在这方面，研究人员希望Robowski等相对廉价的机器人系统能帮助普及此类工作，让较小实验室也能在标准精度下开展较大底物筛查。其次，使用物理现实描述符同时考虑空间位阻与电子效应十分重要。对化学反应，研究人员曾借助反应伙伴取向的机理先验实现这一点；对蛋白质与多样配体则无此类先验，因此对接成为ML流程中的代理模型。本研究用经典对接，但现代共折叠方法如AlphaFold 3、Boltz-2可大幅改进精度。模型在若干机制不同的酶族间展现可迁移性，对固定酶底物适用范围预测具前景，并可补充先进预测模型，尤其在先进模型训练集中不含目标酶和底物时尤为有益。