2018年11月18日《自然-化学生物学》报道，英国牛津大学研究人员发现了可以预测酶活性的一般方法，这个新颖的AI方法基于酶的序列，以及定义明确的底物“训练集”和正确的化学参数。 
　　酶是许多药物的重要靶标。科学家如果可以预测其功能，就可以有目的性地用小分子抑制去这些功能，从而治疗疾病。这项研究对于全面了解生物学和人类健康非常重要。 
　　研究人员从一种植物中提取了一整个酶系，结合相应基因的酶的高通量表达，通过定量、无标签质谱法筛选其酶活性。对酶初级序列的简单分析没有完成完整的活性预测模式，而与牛津大学机器学习小组的AI技术相结合，标准化学描述符可以推导出一个强大的预测系统。 
　　而且，这种方法不会成为“黑匣子”，在为化学家/生物学家提供成功预测的同时，还将为那些具有化学和生物学意义的预测提供解释。该方法还有助于找出哪些酶可用于合成，预测来自不同物种（甚至是细菌）的酶的活性，以及如何以一种全新的方式来设计酶。 这是一个非常强大的研究发现引擎。研究者认为人工智能与酶活性的结合将成为下一个研究前沿。 
　　这一重大进展使成功的蛋白质催化剂活性预测成为可能，这将对包括医学研究在内的许多领域产生了重要影响。这是一个比小分子催化剂建模更具挑战性的领域，而小分子催化剂一直被认为是机器学习/化学的顶峰。 
　　吴晓燕 编译自https：//phys.org/news/2018-11-ai-heralds-frontiers-enzyme.html 
　　原文链接：https://www.nature.com/articles/s41589-018-0154-9 
　　原文标题：Functional and informatics analysis enables glycosyltransferase activity prediction