人工智能：谁在这里运输作用因子?

转运蛋白负责底物进出生物细胞的持续运动。然而，很难确定一个特定的蛋白质可以运输哪些底物。塞尔多夫海因里希·海涅大学(HHU)的生物信息学家开发了一个名为SPOT的模型，该模型可以利用人工智能(AI)高度准确地预测这一点。他们现在在科学杂志《公共科学图书馆·生物学》上发表了他们的方法，这种方法可以用于任意运输蛋白质。

　　

转运蛋白负责底物进出生物细胞的持续运动。然而，很难确定一个特定的蛋白质可以运输哪些底物。<s:1>塞尔多夫海因里希·海涅大学(HHU)的生物信息学家开发了一个名为SPOT的模型，该模型可以利用人工智能(AI)高度准确地预测这一点。他们现在在科学杂志上发表了他们的方法，这种方法可以用于任意运输蛋白质公共科学图书馆生物学》杂志上。

生物细胞中的底物需要通过细胞膜不断地向内和向外运输，以确保细胞的存活并使其能够发挥其功能。然而，并不是所有通过身体的底物都应该被允许进入细胞。其中一些转运过程需要是可控的，以便它们只在特定的时间或特定的条件下发生，以触发细胞功能。

这些活跃的和专门的运输通道的作用是由所谓的运输蛋白承担的，或简称转运蛋白，各种各样的转运蛋白被整合到细胞膜上。转运蛋白由大量的氨基酸组成，它们共同构成了一个复杂的三维结构。

每一种转运蛋白都是针对一种特定的分子(即所谓的底物)或一小群底物量身定制的。但究竟是哪一种呢?研究人员一直在寻找匹配的转运体-底物对。

计算细胞生物学研究小组的Martin Lercher博士教授和一项研究的通讯作者，该研究现已发表在PLOS生物学上:“通过实验确定哪些底物与哪些转运体相匹配是困难的。即使是确定一个转运体的三维结构——由此有可能识别底物——也是一个挑战，因为蛋白质一旦从细胞膜分离出来就会变得不稳定。”

“我们选择了一种不同的——基于人工智能的方法，”亚历山大·克罗尔博士说，他是这项研究的主要作者，也是勒彻教授研究小组的博士后。“我们的方法——被称为SPOT——使用了超过8500对转运体-基质对，这些对已经被实验验证，作为深度学习模型的训练数据集。”

为了使计算机能够处理转运蛋白和底物分子，德国<s:1>塞尔多夫大学的生物信息学家首先将蛋白质序列和底物分子转化为可由人工智能模型处理的数值载体。在完成学习过程后，新的载体和潜在的合适载体的载体可以输入到人工智能系统中。然后，该模型预测某些底物与转运体匹配的可能性有多大。

Kroll:“我们已经使用一个独立的测试数据集验证了我们的训练模型，我们也已经知道了转运体-底物对。SPOT预测任意分子是否是特定转运体的底物的准确率超过92%。”

因此，SPOT提出了非常有前途的衬底候选物。Lercher教授解释了生物信息学预测和实验验证之间的联系，他说:“这使我们能够在很大程度上限制实验者的搜索范围，这反过来又加快了在实验室中确定哪种底物与转运体明确匹配的过程。”

Kroll补充说:“这适用于任何任意的转运蛋白，而不仅仅是有限种类的类似蛋白质，就像迄今为止其他方法的情况一样。”

该模型有许多潜在的应用领域。莱彻:“在生物技术领域，代谢途径可以被修改，以制造生物燃料等特定产品。或者药物可以针对转运蛋白进行定制，以促进它们进入那些它们应该发挥作用的细胞。”