Predicting Enzyme Functional Sites from Sequence and Chemical Information Using Deep Learning = 단백질 서열 및 화학 정보를 활용한 인공지능 기반 효소 기능 부위 예측

국문 초록 (Abstract)

효소는 생물체 내 생화학 반응을 촉진하는 단백질 촉매이다. 기질 결합과 화학 반응은 특정 아미노산 잔기로 구성된 기능 부위에서 일어남. 기능 부위의 정확한 식별은 효소 메커니즘 이해와 효소 공학 연구에서 매우 중요함. 기존의 AI를 기반으로 한 단백질 기능 부위 예측 모델들은 단백질 구조 정보를 필요로 하거나 단백질과 반응하는 화학물의 정보를 고려하지 않았음. 하지만 신뢰도가 낮은 영역을 포함하는 예측 구조는 부정확한 결과를 초래할 수 있다. 또한, 효소와 반응하는 기질의 화학 정보를 제외하면 예측 성능이 저하될 수 있다. 따라서 본 연구에서는 단백질 서열 정보와 기질 및 생성물의 화학 정보를 통합하여 효소 기능 부위를 예측하는 딥러닝 모델을 개발하였음. BRENDA와 UniProt 데이터베이스에서 데이터를 수집한 뒤, 데이터 전처리 과정을 거쳐115,246개의 서열-기질-생성물 데이터 쌍을 확보함. 단백질 서열과 SMILES 화학식은 각각 ESMC (600M)와 ChemBERTa-2 (77M)를 사용하여 임베딩벡터를 생성함. 단백질 서열과 기질-생성물 정보를 통합하기 위해 크로스 어텐션 기법을 적용한 뒤, FFNN을 통해 각 잔기가 기능 부위일 확률을 예측하였음. 결과적으로, 5-fold 교차검증에서 precision 0.938~0.963, F1-score 0.912~0.947를 달성하며 높은 성능을 보임. 최종적으로 테스트셋에서 모든 평가 지표에서 EasIFA-ESM-bin보다 더 높은 성능을 보임을 확인했음. Desulfoferrodoxin 사례 연구는 훈련 데이터셋에 포함되지 않은 단백질에 대해 기능 부위를 성공적으로 예측함을 보여주었음. 이는 본 연구에서 개발한 모델이 기존에 알려지지 않은 서열의 기능 부위 예측에도 활용할 수 있다는 가능성을 보여줌. 본 연구를 통해서 단백질 서열과 기질, 반응물 정보를 사용하여 효소 기능 부위를 예측하는 방법론을 적용했으며, 효소공학에서 AI의 활용에 새로운 방향을 제시함.

다국어 초록 (Multilingual Abstract)

Enzymes are protein catalysts that facilitate biochemical reactions in living organisms. Substrate binding and chemical reactions occur at functional sites composed of specific amino acid residues. Accurate identification of functional sites is critical for understanding enzyme mechanisms and enzyme engineering research. Existing AI-based protein functional site prediction models require protein structural information or do not consider chemical information that reacts with proteins. However, predicted structures with low confidence regions can lead to inaccurate results. Additionally, excluding chemical information of substrates that react with enzymes can reduce prediction performance. This study developed a deep learning model that predicts enzyme functional sites by integrating protein sequence information with chemical information of substrates and products. Data were collected from BRENDA and UniProt databases. Through data preprocessing processes 115,246 sequence- substrate-product data pairs were secured. Protein sequences and SMILES chemical formulas were embedded using ESMC (600M) and ChemBERTa-2 (77M) respectively to generate embedding vectors. Cross-attention techniques were applied to integrate protein sequence and substrate-product information. The model predicts the probability of each residue being a functional site through FFNN. The model achieved high performance with precision ranging from 0.938 to 0.963 and F1-score ranging from 0.912 to 0.947 across 5-fold cross-validation. Our model outperformed EasIFA- ESM-bin across all evaluation metrics on the test set. The case study with Desulfoferrodoxin demonstrated successful prediction of functional sites for proteins not included in the training dataset. This demonstrates the potential of the developed model for predicting functional sites in previously unknown sequences. This study applied a methodology for predicting enzyme functional sites using protein sequence and substrate-product information and presents a new direction for AI application in enzyme engineering.

목차 (Table of Contents)

• Content
• List of Figures 1
• List of Tables 2
• Abstract 3
• Chapter 1. Introduction 5
• A. An overview of Enzyme Engineering 5
• B. Application of AI in Enzyme Engineering 7
• Chapter 2. Deep Learning-Based Prediction of Enzyme Functional Sites 10
• A. Background 10
• 1) Importance of Functional Site in Enzyme 10
• 2) Traditional Functional Site Screening Methods 11
• 3) Prior Studies on for Functional Site Prediction 11
• B. Material and Methods 13
• 1) Model Architecture 13
• 2) Data Processing 15
• 3) Model Training 18
• 4) Validation and Evaluation 21
• C. Results 23
• 1) Dataset Construction and Statistics23
• 2) Model Performance 26
• 3) Case Study with Desulfoferrodoxin 28
• Chapter 3. Conclusion and Further Works 32
• A. Conclusion 32
• B. Further Works 32
• References 34
• 국문초록 38