Ученые из Германии и США применили алгоритм машинного обучения к изучению отдельных ферментов, что позволило выявить важные свойства, определяющие их работу.

Биоинформатики из Дюссельдорфского университета имени Генриха Гейне и Калифорнийского университета в Сан-Диего используют техники машинного обучения для изучения ферментной кинетики и, следовательно, комплексных метаболических процессов. Статья об исследовании опубликована в журнале Nature Communications.

Синтетические науки о жизни полагаются на детальное и количественное понимание сложных систем в биологических клетках. Целенаправленная манипуляция ими возможна только при понимании таких систем. Биологический метаболизм, в котором задействованы сотни ферментов, — система, которую ученые успели неплохо исследовать. Однако ключевой аспект в этой области, а именно — индивидуальная деятельность каждого фермента, пока не изучен в полной мере и понят только в количественном плане.

Доктор Дэвид Хекманн и профессор Мартин Лерчер решили подойти к изучению свойств ферментов со стороны биоинформатики. Для этого ученые использовали машинное обучение, которое уже было успешно применено в других областях, таких как управление траффиком и автоматические переводы. В последние годы алгоритмы машинного обучения смогли обыграть людей в шахматы, го и даже покер.

Такой подход позволил исследователям определить важные свойства ферментов, которые и стали решающим фактором в работе. С этими результатами они теперь могут описать кинетику большого числа ферментов точнее, чем это было возможно прежде.

«Наша модель предоставляет удивительное понимание того, какие свойства ферментов влияют на их деятельность в большей мере», — говорит профессор Лерчер.

«Мы можем использовать это знание для более точного моделирования метаболических процессов и анализа взаимодействий разных компонентов в клеточных сетях», — добавляет доктор Хекманн.