“预测天然物生物合成途径…有望实现天然物基药物的规模化生产”

通过提出一种利用深度学习预测天然物逆向生物合成路径的模型，已经为大规模生产天然物来源药物提供了可加以利用的依据。

KAIST称，生命科学系 Kim Sanggyu 教授研究团队与 Kim Jaecheol 人工智能研究生院 Hwang Seongju 教授研究团队，在开发出可预测天然物生物合成路径的深度学习模型的基础上，与釜山大学 Park Jeongbin 教授研究团队合作，构建了任何人都可以使用该模型的互联网网站，并于16日对外公布。

植物为了应对环境胁迫，会合成复杂的天然物。在这一过程中产生的天然物，对人类生存也发挥着至关重要的作用。美国食品药品监督管理局（FDA）批准的小分子药物中，超过30%以植物天然物为基础，即是明证。

但要利用天然物并实现其大规模生产，阐明其生物合成路径是必不可少的。相反，许多具有复杂结构的药用天然物的生物合成路径尚未被充分揭示，目前一般仍是直接从植物中提取后使用。

出于同样原因，生物合成路径研究具有很大挑战性，但学界一直认为，如果能够阐明这些路径并找到相关的生物合成酶，就可以提升天然物的应用价值。

联合研究团队从逆向追踪（提出逆合成路径）植物如何合成物质的路径入手，成功提出了一种利用深度学习预测天然物逆向生物合成路径的模型。

在研究中，联合研究团队将先进的逆合成模型与生化直觉相结合，开发出了能够成功执行天然物生物合成路径预测的人工智能模型。

该人工智能被命名为“READRetro”，寓意为“读取逆合成的模型”。研究确认，该模型在预测天然物逆合成方面展现出了目前最优的性能，其意义还在于已被实现为便于各个研究者轻松使用的形式（网站搭建）。

Kim Sanggyu 教授表示：“预期本研究成果将被应用于从理解植物通过何种过程生成复杂天然物的基础研究，到为大规模生产天然物来源药物而开展的合成生物学研究等多个领域。”他还称：“联合研究团队今后计划继续开展预测介导合成路径的酶，以及提升对大分子逆合成预测准确度的相关研究。”

必读新闻

100万亿恐打水漂…“三星罢工成史上级利好” 价格暴涨20%市况大乱 [台湾芯片通信]

• “要涨到200万韩元” 被证券界认为无需怀疑的企业 [周末Money]
• 倒车车轮压坏手机…车主：“维修费要我出吗？”
• “去夜总会的人自己上报” 再起风波…江南警察署对全体员工展开调查
• 三星、SK海力士涨过头了吗…越卖外资资产反而越膨胀 [周末Money]

另一方面，本研究在 KAIST POST-AI、韩国研究财团以及科学技术信息通信部等机构的支持下完成。KAIST生命科学系 Kim Taein 硕博连读课程和 KAIST Kim Jaecheol 人工智能研究生院 Lee Seul 硕博连读课程以共同第一作者身份参与。本研究成果已发表于国际学术期刊《New Phytologist》。

版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。