近日，Cell Press細(xì)胞出版社期刊《Cell Reports Physical Science》在線發(fā)表了上海交通大學(xué)生命科學(xué)技術(shù)學(xué)院趙一雷教授研究團(tuán)隊(duì)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(xué)技術(shù)學(xué)院博士生駱聲淦為論文第一作者，上海人工智能實(shí)驗(yàn)室劉嵐軒等協(xié)助了其中機(jī)器學(xué)習(xí)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(cè)為應(yīng)用場(chǎng)景，首先通過(guò)傳統(tǒng)的傘形采樣方法測(cè)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(duì)穩(wěn)定性，發(fā)現(xiàn)模擬計(jì)算結(jié)果與實(shí)驗(yàn)觀察值基本一致。作者進(jìn)一步采用高階的量子化學(xué)QM/MM方法收集七百余對(duì)“預(yù)反應(yīng)態(tài)-過(guò)渡態(tài)”的三維結(jié)構(gòu)信息，利用催化反應(yīng)中心高達(dá)千余的拓?fù)涮卣鲄?shù)展開(kāi)人工智能機(jī)器學(xué)習(xí)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(gè)精選參數(shù)的預(yù)反應(yīng)態(tài)QML模型可以有效預(yù)測(cè)CpRCR酶催化反應(yīng)活性。

該研究工作為趙一雷課題組長(zhǎng)期從事復(fù)雜體系反應(yīng)通路計(jì)算系統(tǒng)研究的又一突破性成果，將顯著地推進(jìn)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(guó)家重點(diǎn)研發(fā)計(jì)劃“合成生物學(xué)”重點(diǎn)專(zhuān)項(xiàng)和國(guó)家自然科學(xué)基金的資助。（來(lái)源：上海交大）