欣资讯 | 集成式AI知识图谱框架IBIS推动细菌酶学与代谢研究创新

细菌通过其多样化的代谢途径在生态系统中占据主导地位。基因组数据已成为研究细菌代谢的共同起点，但现有技术和工具在预测和比较代谢方面的能力仍然有限。

近日，加拿大麦克玛斯特大学研究团队于期刊PNAS发表文章An integrated AI knowledge graph framework of bacterial enzymology and metabolism，研究开发了一个结合深度学习和知识图谱集成式生物合成推断系统（Integrated Biosynthetic Inference Suite, IBIS），能够快速、可扩展地推断细菌代谢，超越了传统生物信息学工具，为天然产物发现、合成生物学及环境微生物组研究提供了全新工具。

图1 | IBIS是Transformer和Graphormer模型的集合，旨在全面注释细菌代谢

* 本文仅作前沿内容分享，如有错误/不足，欢迎留言指正 : ）

* 编辑/整理不易，转载需联系授权并注明出处 : ）

基于Transformer的并行多任务训练解析细菌酶学

作为建立细菌代谢预测统一框架的第一步，研究开发了IBIS-Enzyme——一种基于Transformer的模型，专门用于预测与细菌代谢过程相关的多种蛋白质标签（图2A）。这些标签包括通用非酶类别、EC编号定义的完整本体层次结构，以及从文献和核糖体合成后修饰肽（RiPPs）中整理的参与特殊代谢途径的酶类。在每个训练步骤中，从各数据集中采样蛋白质序列，通过同一Transformer模型生成蛋白质嵌入，随后传递至独立的神经网络以预测相应标签。这种并行多任务训练使模型能够生成高分辨率的嵌入表示，足以通过近似最近邻（ANN）分类与参考数据库比对，准确分配蛋白质注释。

图2 | 用Transformer进行生物合成酶和结构域的鉴定

全面酶注释支持细菌代谢预测

训练完成后，IBIS-Enzyme将原始蛋白质序列编码为嵌入表示，并通过ANN分类预测EC编号和与特殊代谢（SM）相关的蛋白质家族。EC编号通过分层框架描述酶功能（如EC 1.1.1.1代表乙醇脱氢酶）。训练数据集包含来自SwissProt和蛋白质数据库（RCSB.org）的高质量注释，以及来自TrEMBL的低丰度酶类补充数据。在推理阶段，模型首先将查询蛋白分类为非酶或初级EC类（F1=0.91），若为酶，则进一步通过ANN预测四级EC编号，其F1评分（0.95）显著优于DeepEC（0.84）和CLEAN（0.70）（图2D）。

突破传统限制的特殊代谢注释

41.1%的SM相关蛋白无法通过现有EC框架准确注释。为此，训练集新增了1,100个手动整理的生物合成蛋白家族，通过独立于EC的ANN分类实现F1=0.91的预测精度。此外，IBIS-Enzyme可精准标注多域酶的功能区域（F1=0.89），其注释覆盖度显著超越antiSMASH和PRISM（图2C）。

生物合成域功能预测的优化

接着，研究通过额外训练的IBIS-Domain模型，对IBIS-Enzyme预测的域生成嵌入表示，捕捉底物特异性和功能亚型等属性。该模型在非核糖体肽和聚酮底物预测中表现优于现有工具，其预测结果更符合化学性质（如丝氨酸与苏氨酸的合理替代）。

嵌入检索速度优势

通过将IBIS-Enzyme的蛋白质嵌入与ANN分类相结合，IBIS系统在注释速度上超过了现有的方法。与DIAMOND和hmmscan相比，IBIS在标注100,000个序列时分别快了5.7倍和19.9倍。向量量化技术（如Qdrant）进一步提升了嵌入检索效率。

零样本识别未表征酶类

IBIS-Enzyme在1,434个未参与训练的EC类酶测试中，通过UMAP可视化显示功能相似酶类在嵌入空间中紧密聚集（图2B），AUC达0.942。这种“零样本”性能表明IBIS-Enzyme可能识别出当前EC本体中未表示的新酶。

初级代谢的预测

通过规则系统IBIS-PM，研究从基因组数据中推断出3,966条初级代谢（PM）途径（图3A）。对52,584个基因组组装的分析表明，代谢特征向量能准确预测基因组分类（F1=0.929），表明IBIS-PM提供了足够的代谢特征，可以支持与传统分类一致的代谢分组。

图3 | 利用 IBIS 定义PM与SM

次级代谢的独立识别

IBIS-SM通过Graphormer将基因组表示为图结构（节点为IBIS-Enzyme嵌入的蛋白质，边为基因间距权重），预测生物合成基因簇（BGC）的化学类型和边界（图3A）。在36类BGC分类中，其平均AUC达0.93，显著优于antiSMASH（0.72）和DeepBGC（0.66）（图3B）。

BGC的上下文向量表示与大规模比较

IBIS-BGC，另一个Graphormer模型，用于创建BGCs的上下文化向量表示，使得大规模比较分析成为可能。IBIS-BGC通过整合IBIS-SM、IBIS-Enzyme和IBIS-Domain的预测，生成BGC的嵌入表示，其与代谢物Tanimoto化学相似性的Pearson相关性（0.84）远超BiG-SLICE（0.56）（图4B）。基于GPU加速的聚类分析，在1小时内完成近200万BGC的比较，定义219,587个BGC家族（图4C）。

图4 | 利用 IBIS-BGC 实现大规模BGC嵌入与比较

IBIS知识图谱的应用

IBIS知识图谱（IBIS-KG）整合了酶学、初级代谢和专门代谢的全面注释，通过大规模分配和比较代谢途径，迅速识别出不符合已知代谢的酶。IBIS-KG还能够识别与特定生态位相关的BGCs，并利用这些关联来推断编码代谢物的功能角色。

未表征代谢途径的探索

IBIS-KG能够识别出未被充分研究的细菌中的潜在新生物合成能力，并通过分析基因组中的共定位、未分配酶的富集区域，揭示了大量可能的操纵子。例如，IBIS-KG发现了一个与根瘤相关的操纵子，其中包含四个未表征的酶和九个已知的酶。这些已知酶与植物发育相关，表明该操纵子可能在根际细菌中具有功能相关性。这种能力为未来的研究和实验验证提供了新的方向，推动了对细菌代谢多样性的深入理解。

获取原文：

https://doi.org/10.1073/pnas.2425048122

综上，IBIS系统通过其Enzyme模块的嵌入向量，利用近似最近邻（ANN）注释技术，能够高效地对蛋白质进行功能标记，识别并标记蛋白质的KO标签和EC编号。IBIS系统能够快速识别和比较不同细菌物种中的代谢途径，为理解细菌的代谢多样性和进化关系提供了强大的工具。IBIS-Enzyme在预测EC编号和与专门代谢相关的蛋白质家族方面表现出色，其F1分数达到了0.95。此外，IBIS系统通过各个模块（如IBIS-Domain、IBIS-PM、IBIS-SM和IBIS-BGC）提供了全面的代谢分析，从生物合成域的底物特异性预测到BGCs的识别和比较，均展现出卓越的性能。IBIS系统通过其知识图谱（IBIS-KG）整合了酶学、初级代谢和专门代谢的全面注释，能够识别出不符合已知代谢的酶，并推断编码代谢物的功能角色，为发现新的代谢途径和酶功能提供了强大的支持。