运输卵白认真将底物一直转移收支生物细胞 。然而，确定特定卵白质能够运输哪些底物，是一个难题 。杜塞尔多夫海因里希·海涅大学（HHU）的生物信息学家开发了一种名为SPOT的模子，它通过人工智能（AI）能够高精度展望这一点 。他们在《PLoS Biology》期刊上展示了这一要领，可以用于任何运输卵白领域的研究 。
在生物细胞中，底物需要一连穿详尽胞膜进入和脱离，以包管细胞的生涯以及正常功效 。然而，并非所有在体内移动的底物都应被细胞接受 。某些运输历程必需在特准时间或条件下举行，以启动特定的细胞功效 。
这些细腻化运输通道的功效由所谓的运输卵白完成 。种种运输卵白嵌入在细胞膜中，每种运输卵白是由许多氨基酸组成的，其三维结构十分重大 。
每一种运输卵白都适配特定的分子——即所谓的底物——或一小组底物 。但详细是哪一种呢？研究职员一直在寻找匹配的运输卵白和底物对 。
图片链接：https://www.eurekalert.org/multimedia/1041585
图片信息：展望历程示意图：卵白质数据库提供了一个包括 8,500 个经由实验验证的转运卵白－底物对的数据集，用于训练模子（上图） 。转运卵白由一系列氨基酸组成，这些氨基酸已被深度学习模子转化为载体（中左，差别深浅的绿色） 。有关潜在基材的信息也被转换为数字向量（中右，以差别深浅的黄色显示） 。这些向量逊谓的梯度提升模子（多个决议树的荟萃），以展望分子是否是特定转运卵白的底物 。（图：HHU/Alexander Kroll）
盘算细胞生物学研究小组的Martin Lercher教授，是这项研究的通讯作者，他体现：“实验上确定哪些底物能与哪些运输卵白匹配很是难题 。即即是确定运输卵白的三维结构一ㄇ一大挑战，由于卵白质一旦从细胞膜中疏散就会变得不稳固 。”
“我们接纳了另一种基于人工智能的要领，”本研究的主要作者、Lercher教授研究小组的博士后Alexander Kroll 博士说 。“sunbet要领（即SPOT）使用了凌驾8500个通过实验验证的转运卵白－基质对，作为深度学习模子的训练数据集 。”
为了让盘算机处置惩罚运输卵白质和底物分子，杜塞尔多夫的生物信息学专家首先将卵白质序列和底物分子转换成数值向量，以供AI模子处置惩罚 。在完成学习历程后，可以将新的运输卵白向量和潜在合适的底物向量输入AI系统，模子将展望某些底物与运输卵白匹配的可能性 。
Kroll说：“我们使用一个自力的测试数据集验证了sunbet模子，而关于这些数据集，我们已经知道了运输卵白和底物的匹配情形 。SPOT以凌驾92%的准确率展望恣意分子是否是某个特定运输卵白的底物 。”
因此，SPOT能够有用提出有潜力的底物候选者 。“这使实验职员可以显著缩小搜索规模，加速在实验室中识别与特定运输卵白完全匹配的底物的程序 。”Lercher 教授诠释了生物信息学展望与实验验证之间的联系 。
Kroll增补道：“这一模子适用于恣意的运输卵白，而不但仅限于现有要领所笼罩的某些类别的相似卵白质 。”
这一模子有多种潜在应用领域 。Lercher体现：“在生物手艺领域，可以调解代谢路径以生产特定产品，好比生物燃料 � ；蛘哒攵栽耸渎寻咨杓苹衔�，使其能够准确作用于目的细胞 。”
杂志：PLoS Biology
DOI：10.1371/journal.pbio.3002807
