近日，Cell Press細胞出版社期刊《Cell Reports Physical Science》在線發(fā)表了上海交通大學生命科學技術(shù)學院趙一雷教授研究團隊題為“Understanding the effectiveness of enzyme pre-reaction state by quantum-based machine learning model”的最新成果。生命科學技術(shù)學院博士生駱聲淦為論文第一作者，上海人工智能實驗室劉嵐軒等協(xié)助了其中機器學習建模工作。該研究以酵母醇脫氫酶CpRCR蛋白質(zhì)工程中手性醇產(chǎn)物立體選擇性預(yù)測為應(yīng)用場景，首先通過傳統(tǒng)的傘形采樣方法測算了Proleg規(guī)則和反Proleg規(guī)則下兩種預(yù)反應(yīng)態(tài)構(gòu)象的相對穩(wěn)定性，發(fā)現(xiàn)模擬計算結(jié)果與實驗觀察值基本一致。作者進一步采用高階的量子化學QM/MM方法收集七百余對“預(yù)反應(yīng)態(tài)-過渡態(tài)”的三維結(jié)構(gòu)信息，利用催化反應(yīng)中心高達千余的拓撲特征參數(shù)展開人工智能機器學習LASSO-SVM回歸分析，最后基于前線反應(yīng)軌道理論解釋了為何僅僅數(shù)十個精選參數(shù)的預(yù)反應(yīng)態(tài)QML模型可以有效預(yù)測CpRCR酶催化反應(yīng)活性。

該研究工作為趙一雷課題組長期從事復雜體系反應(yīng)通路計算系統(tǒng)研究的又一突破性成果，將顯著地推進預(yù)反應(yīng)態(tài)模型在生物合成酶蛋白質(zhì)工程改造領(lǐng)域的應(yīng)用。

該研究獲得了國家重點研發(fā)計劃“合成生物學”重點專項和國家自然科學基金的資助。（來源：上海交大）