Computergestützte Entwicklung von Multi-Enzym Netzwerken

Die Verwendung von Enzymen in der Herstellung von Chemikalien erfreut sich seit einigen Jahren immer größerer Beliebtheit, und stellt eine umweltfreundliche Alternative zu herkömmlichen Synthesewegen dar. Das Projekt setzte sich daher zum Ziel eine vermehrte Anwendung von enzymatischen Reaktionen zu ermöglichen, indem eine computer-gestützte Vorhersage und Modellierung der Reaktivität von verschiedenen Enzymen, deren mögliche Substrate und enzymatische Synthesewege von vorgegebenen Stoffen erforscht und entwickelt wird. Hierzu wurde ein umfangreicher Datensatz an enzymatischen Reaktionen aus bestehender Fachliteratur extrahiert, der nun die Grundlage für viele heuristische Modelle und maschinelles Lernen von enzymatischer Reaktivität bildet. Diese Arbeit ermöglichte zum ersten Mal eine präzise Vorhersage von enzymatischen Reaktionen für viele Arten von Enzymen und Reaktionen, und bewies so dass enzymatische Reaktionen und Synthesewegen aus solchen Reaktionen am Computer tatsächlich genau vorgesagt werden können. Die Modelle für solche Vorhersagen basierten hierbei hauptsächlich auf dem Konzept des Maschinellen Lernens, wofür im Zuge des Projekts neue Repräsentationen für Reaktionen und Modell-Architekturen entwickelt wurden. Hierfür wurden Graph-basierte Modelle, also Modelle in denen Moleküle als Graphen (ein Satz an Eckpunkten für jedes Atom, und Kanten zwischen den Eckpunkten für jede Bindung zwischen Atomen), auf Reaktionen erweitert. Auf diese Weise wurden Graph-basierte neuronale Netze, eine Art von maschinellem Lernen bei dem Eigenschaften von Molekülen von der lokalen Information im Molekül-Graph gelernt werden, für enzymatische Reaktionen anwendbar, und ermöglichten so die Vorhersage der Reaktivität und Selektivität von Enzymen. Weiters wurden bestehende Ansätze für die computer-gestützte Retrosynthese, also der Aufgabe einem Computer beizubringen mögliche Synthesewege für eine gegebene Chemikalie zu finden, auf enzymatische Reaktionen erweitert. Zusammen mit der oben beschriebenen Datenbank konnte so präzise Modelle für enzymatische Synthesewege entwickelt werden. Weitere Arbeiten erforschten zudem die Quantifizierung von Fehlern und Unsicherheiten in solchen Modellen, um den Nutzer eines solchen Modells über unsichere und daher möglicherweise fehlerhafte Vorhersagen informieren zu können. Insgesamt ermöglichte das Projekt daher eine Daten-basierte, genaue Vorhersage von enzymatischen Reaktionen am Computer, und konnte so dieses wichtige Forschungsfeld vorantreiben, nämlich mithilfe maschinellem Lernen eine umweltfreundlichere and nachhaltigere chemische Synthese zu ermöglichen.