Nat. Commun. | 机器学习注释基因功能

编者 | 刹那芳华

制版 | 戈戈

第一作者：Gi Bae Kim

通讯作者：Sang Yup Lee

第一单位：韩国科学技术院

DOI：10.1038/s41467-023-43216-z

本文开发深度学习模型DeepECtransformer，利用Transformer作为神经网络结构来预测未注释基因的酶学委员会（EC）编码，并通过实验验证了三种蛋白质(YgfF、YciO和YjdM)的酶活性预测。

酶在生物体内催化各种反应中起着关键作用，理解酶的功能对于理解代谢过程十分重要。EC编码系统基于酶的功能进行分类，已经开发了深度学习模型来预测酶的EC编码。本文着重介绍了一个名为DeepECtransformer的深度学习模型的开发和评估，该模型利用Transformer层来有效预测各种酶的EC编码。DeepECtransformer模型在大型酶序列数据集上进行了训练，并表现出优于其他方法的性能。它还证明了纠正UniProt知识库中的错误注释的能力。

1. DeepECtransformer能够有效地预测各种酶的EC编号，并且在性能上优于其他方法

2. 能够纠正UniProt Knowledgebase中错误的EC编号，并学习识别酶序列中的重要区域

DeepECtransformer的开发和评估

DeepECtransformer的网络架构，包括两个transformer编码器、两个卷积层和一个线性层（图1a）。通过对酶的氨基酸序列进行预测，该神经网络可以预测酶的EC编号。

在评估方面，作者使用了一个测试数据集，将DeepECtransformer与DeepEC和基于同源搜索的工具DIAMOND进行了比较。结果显示，DeepECtransformer在精确率、召回率和F1分数方面表现优秀，并且对于与训练数据集中的序列相似度较低的酶，其预测性能更具优势（图1b-d）。此外，DeepECtransformer还能够纠正UniProt Knowledgebase中误注的EC编号。

图1 DeepECtransformer的网络结构和神经网络的预测性能

人工智能学习酶的功能区域

作者使用了DeepECtransformer神经网络模型的自注意力层来识别酶的功能区域，并观察了模型在分类酶功能时所关注的区域。结果显示，AI能够有效地检测到一些功能区域，如活性位点和配体结合位点，以及一些已知的功能域，如Pfam域（图2）。这些发现有助于增进我们对酶功能的理解，并且可能有助于发现以前未知但关键的酶功能特征。

此外，作者还通过使用DeepECtransformer模型预测E. coli中未知蛋白质的功能，并通过体外酶活性实验证实了预测的酶功能。这表明DeepECtransformer不仅能够快速为越来越多的DNA序列注释酶功能，还能够发现以前未知的蛋白质的代谢功能。

图2 通过DeepECtransformer神经网络突出显示氨基酸残基

大肠杆菌菌株等位基因代谢功能分析

使用DeepECtransformer模型和DIAMOND算法对1122个E. coli菌株的312,274个蛋白进行EC编号预测，以评估DeepECtransformer在预测不同菌株之间代谢功能变化的能力（图3a,b）。通过比较DeepECtransformer和DIAMOND的预测结果，发现在总体上有68.87%的基因的至少90%的等位基因在两种方法中具有相同的预测结果。

值得注意的是，通过分析预测结果不一致的基因，可以分析这些突变如何影响它们的代谢功能（图3c,d）。例如，本文报道了arol基因的若干等位基因发生了额外的代谢功能变化。这些观察结果从代谢角度为这些菌株的进化轨迹提供了宝贵线索。

图3 1122株大肠杆菌312274个等位基因EC数预测结果

发现大肠杆菌k-12 MG1655中酶的未知功能

在 E. coli K-12 MG1655 的 y-ome 即功能未知区域中共有1600个基因。利用DeepECtransformer，从这些基因中成功预测了464个蛋白质的EC编号，并有390个蛋白质预测到了完整的四位数EC编号（图4a）。相比之下， DeepEC预测了82个蛋白质的EC编号，其中71个被预测为完整的四位数，而与其相关的UniProt数据库为这71个蛋白质提供了注释。这些结果表明DeepECtransformer能够准确预测酶功能，特别是对于功能尚未完全了解的基因。此外，通过分析模型预测中的重点区域，如活性位点或辅因子结合位点，揭示了DeepEC-transformer熟练识别酶序列中的重要区域的能力。最后，通过实验验证了模型预测的三个蛋白质（YgfF，YciO和YjdM）的酶活性（图4b），并证明了DeepECtransformer快速注释酶功能以及发现前所未知蛋白质代谢功能的能力。

图4 大肠杆菌K−12 MG1655 y-ome蛋白的EC编号预测结

Sang Yup Lee，韩国科学技术院化学与生物分子工程系教授。研究方向：1.代谢工程；2.蛋白质工程；3.生物高分子材料；4.基因组学；5.生物信息学。

DeepECtransformer算法通过结合深度学习和Transformer层来预测编码酶的功能注释。该算法使用神经网络和同源搜索两个预测引擎，其中神经网络利用Transformer架构从酶的氨基酸序列中提取潜在特征来预测EC编号。通过对酶的重要功能区域进行分析，DeepECtransformer还能够识别如活性位点和辅因子结合位点等。利用该算法，可以快速注释酶功能，发现以前未知的蛋白质代谢功能，并通过实验验证预测的酶功能。总的来说，DeepECtransformer算法在酶编码基因的功能注释中具有重要的作用。

转载须知

【原创文章】AItellU原创文章，欢迎个人转发分享，未经允许禁止转载，所刊登的所有作品的著作权均为AItellU所有。AItellU保留所有法定权利，违者必究。

原文链接：

https://www.nature.com/articles/s41467-023-43216-z

点击下方蓝字阅读原文