机器学习在拓扑感知的碳纳米酶基准中重现隐含的电子转移规则
《CARBON》:Machine learning recovers encoded electron-transfer rules in a topology-aware carbon nanozyme benchmark
【字体:
大
中
小
】
时间:2026年09月27日
来源:CARBON 12.7
编辑推荐:
摘要:碳纳米酶的成分构成并不如其原子排列方式重要,氮原子位于边缘还是基平面内、晶格的缺陷程度如何以及是否存在孤立的金属中心更为关键。然而,用于纳米酶发现的机器学习模型在很大程度上仍然是基于成分构建的,无法区分化学式相同但局部结构不同的材料。我们提出一个问题:拓扑感知的描述是否
摘要:碳纳米酶的成分构成并不如其原子排列方式重要,氮原子位于边缘还是基平面内、晶格的缺陷程度如何以及是否存在孤立的金属中心更为关键。然而,用于纳米酶发现的机器学习模型在很大程度上仍然是基于成分构建的,无法区分化学式相同但局部结构不同的材料。我们提出一个问题:拓扑感知的描述是否能更好地预测催化行为,以及这类模型是否学到了真正的化学机制而非巧合。由于带有拓扑标注的实验数据集仍然稀缺,我们使用了一个包含3200个样本的合成基准,涵盖七个碳家族、九种掺杂基元和四类活性等级,其中已发表的结构-活性关系被显式编码,使得机制恢复可以被量化而非仅仅断言。拓扑描述符将周转数的交叉验证R2从0.65提升至0.73,误差降低了12%,但在活性类别判别方面的改善仅略为明显,因为掺杂标签仅指示哪种机制可用,而非该机制运行的速度。在训练期间剔除整个碳家族后,平衡准确率在0.47到0.57之间(随机水平为0.25),表明存在真实但不均匀的迁移。归因分析恢复了82%的已编码机制驱动因子,识别出吡啶型氮和M?N?位点对类过氧化物酶活性的贡献以及石墨型氮对类氧化酶活性的贡献,并再现了预期的过氧化物酶/氧化酶切换的pH依赖性。基于杠杆值的适用域和集成方差不确定性限定了未经测试构型的排序。该基准在答案已知时有效,下一步则是实验验证。
引言:纳米酶是一类模拟天然酶催化功能的纳米材料,由于它们更稳定、更易制备、成本更低且更易调控[1],正越来越多地被用作蛋白质酶的替代品。在这一更广泛的类别中,碳基纳米酶包括石墨烯及其氧化物、碳点、碳纳米管、富勒烯、石墨碳氮化物及相关碳纳米结构,因其兼具良好的生物相容性与强大的化学和热稳定性、丰富的活性位点以及通过表面工程、杂原子掺杂和缺陷控制实现的结构可调性[2,3,4]而备受关注。碳纳米酶现已能够模拟多种主要氧化还原酶类活性,尤其是类过氧化物酶、类氧化酶、类过氧化氢酶和类超氧化物歧化酶功能,使其在生物传感、抗菌治疗、抗氧化和抗炎保护、肿瘤催化治疗、生物医学诊断和环境修复中得到广泛应用[5]。凭借这些特性,碳基纳米酶越来越多地被视为不仅可替代脆弱的天然酶,在某些场景下还可替代稀缺或昂贵的传统催化剂的耐用且可扩展的替代品,尤其在生物医学和环境应用领域[6]。
在碳纳米酶中,催化行为更多由活性位点周围的局部原子拓扑决定,而非整体元素组成,因此化学计量相同的材料若其杂原子占据不同的晶格位置,可能表现出截然不同的活性[7,8]。例如,氮掺杂的结构-活性关系显示,氮的催化效应强烈取决于其以吡啶型、石墨型、吡咯型还是其他相关构型存在,而非仅取决于总氮含量[9,10]。吡啶型氮通常位于边缘和空位处,其电子结构使邻近碳原子具有高反应活性和Lewis碱性[11]。在碳纳米酶中,较高的吡啶型氮含量与更强的类过氧化物酶活性正相关,理论上表明吡啶型氮降低了催化循环中关键H?O脱附步骤的能垒[12]。吡啶型氮还被报道可通过增加邻近碳原子的局部电荷密度来增强类氧化酶活性,从而加速O?的吸附和活化[9]。
石墨型(或季铵型)氮嵌入碳基平面中,同样在催化上具有重要作用,尤其对于氧还原化学[11,13]。多项研究将石墨型或边缘季铵型氮与更强的氧化酶/O?还原反应(ORR)型行为及更有利的四电子O?还原联系起来,尤其是当这些位点位于边缘而非体相晶格附近时[14]。然而,证据并非完全一致:一些模型体系将吡啶型氮识别为主要活性位点,另一些强调石墨型氮,还有一些发现混合的吡啶型/石墨型排列通过协同中间体结合可获得最佳的4e?选择性[8,14]。除氮物种分布外,催化性能还受到碳骨架缺陷状况的进一步调控。缺陷密度通常通过拉曼光谱ID/IG比值来追踪,该比值反映了无序程度、石墨化团簇尺寸以及掺杂引起的晶格破坏程度[15]。边缘结构同样重要,如边缘定位的吡啶型/石墨型偶极、氮位点间的相对间距以及边缘-基平面原子比,均可影响氧吸附强度、中间体保留和路径选择性[13]。此外,sp2共轭骨架和含氧表面官能团通过控制电荷传输、底物结合和电子转移直接参与催化;例如在碳点中,羟基和羧基结合超氧自由基,而共轭羰基则在类SOD催化中媒介电子转移[16]。
对于单原子碳纳米酶,决定性变量是金属中心的配位微环境,而非金属的存在本身[17]。改变Fe-Nx或Co-Nx配位会改变吸附能学、活性氧(ROS)生成、催化选择性乃至主导的酶模拟功能[18,19]。例如,Co-N?位点比Co-N?或Co-N?表现出更强的类氧化酶活性,铁卟啉类似吡咯-N环境中的Fe单原子显示出增强的类过氧化物酶活性,轴向FeN?中心可显著放大类氧化酶行为,双原子或曲率支撑结构则进一步调控活性中心的电子结构[20,21]。近年来碳基单原子催化剂设计路线图进一步强化了这一以配位为中心的观点,表明支撑体拓扑结构与金属配位壳层共同决定了电子转移行为[22]。上述总结的部分结构-活性关系源自氧还原电催化而非纳米酶实验;我们援引它们作为机制先验,因为类过氧化物酶和类氧化酶的周转过程经过氮掺杂碳位点上相同的O?/过氧化氢活化和二电子与四电子转移步骤,同时认识到这种对应关系是定性的,而纳米酶特异性研究中关于吡啶型氮增强类过氧化物酶活性和构型依赖性类氧化酶活性的报道提供了更直接的支撑[9,10,11]。综上所述,证据支持基于拓扑的碳纳米酶描述,预测模型必须编码杂原子、缺陷、边缘和配位金属中心的位置信息,而不仅仅是每种元素的存在量。
机器学习通过将领域从经验性的试错转变为数据驱动预测,加速了纳米酶的发现[23]。以DiZyme为代表的数据驱动平台从精选的实验记录中预测多种催化活性,对Michaelis-Menten参数报告了强大的回归性能,最大速率的R2值高达0.77,Michaelis-Menten常数的R2值高达0.75[24]。基于提升(boosting)算法的分类平台已成功直接从元素组成和物理化学输入中推断催化类型[25]。大语言模型辅助的工作流通过自动化文献挖掘和合成路径生成,进一步降低了数据提取的门槛[26]。
尽管取得上述进展,主导的建模范式仍然是以成分为中心的。模型经常将过渡金属或元素存在识别为催化活性的主要决定因素,依赖二值化成分轮廓作为核心特征[27,28]。然而,基于成分的模型必然无法充分表征碳纳米酶拓扑结构所引入的同一成分内部的变异。碳基纳米酶的催化机制受到独特的纳米尺度特征支配,包括表面性质、电子结构和缺陷拓扑,这些特征关键性地影响底物结合和反应动力学[29]。标准化数据库通常缺乏捕获这些微环境数据的分辨率,限制了面向复杂材料的高精度预测模型的开发[25,27]。对于碳纳米酶,显式拓扑感知表示是否可测量地优于仅成分表示仍是一个开放问题。当前机器学习模型主要提取元素组成和基本物理化学特性,但往往忽略活性位点的空间邻近性和化学成分的不均匀分布。例如,高熵纳米酶中各种金属原子的随机分布产生了电子结构之间复杂的协同效应,无法由单一成分描述符充分阐明[23]。训练后的模型很少检验所学到的相关性是否捕获了真正的催化机制,使得具有物理基础的预测存在差距。机器学习通常关注材料预测的结果,却忽视了纳米酶催化底层原理的解读[27]。将机器学习算法与密度泛函理论(DFT)计算相结合,有助于深化对模型在催化机制方面(如电子转移、氧化还原循环和过渡态稳定化)的理解[27,30]。验证模型能否恢复已知的电子转移路径,是提供证据证明其预测具有物理基础而非纯属相关性所必需的一步[31]。由于实验文献对拓扑特征、氮构型分数、缺陷密度、边缘/基平面特征和单原子配位的报告不一致,因此一个大型的、协调一致的、针对碳的专用数据集尚不存在。因此,回答拓扑感知模型是否优于仅成分基线需要一种受控的替代方案。为使这些方法学问题变得可操作,一个基于机制的合成基准可以显式编码已知的结构-活性先验知识,同时包含现实的噪声和混杂因素。由于真值机制由构造所决定,机制恢复成为可测量的验证标准而非不可测试的断言。该框架明确指出此基准是合成的,表征的是流程而非真实材料,同时提供了一个文档化的接口以替换精选的实验数据而不改变下游分析。
在此,我们报告了一个方法论框架基础,通过五个不同的贡献进一步推动碳纳米酶建模:它形式化了碳纳米酶的拓扑感知描述符集,并与仅成分基线进行头对头对比。第二,端到端可复现的流程涵盖数据生成或导入、建模、解释、不确定性评估和前瞻性筛选。鉴于其生成了合成数据集,它同样可以接受用户或实验导出的数据。第三,流程引入了机制恢复记分卡,量化可解释归因再现已编码电子转移化学的程度。第四,使用留一碳类交叉协议进行分布外泛化评估,测试跨未见材料家族的鲁棒性。最后,演示了由形式化适用域限定的、经不确定性校准的未经测试构型的前瞻性排序。
章节摘要
设计原理与范围:本研究在受控合成基准上评估了建模范式。未进行任何实验合成或表征。该基准编码了文献衍生的结构-活性关系,使得(i)学习任务具有非平凡性,以及(ii)真值机制已知,从而可以进行定量机制恢复和测试。因此,以下所有定量结果均表征框架在已知物理条件下的行为,这些并非对……
数据集结构与机制信号:竞争性表示之间的比较只有在用于比较的基准本身设计良好时才具有可解释性。两个关键属性:催化结果的分布必须是非退化的,使得分类是一个有意义的任务;描述符空间必须具有信息量,但又不能过于共线性以致两种表示在构造上等价[32]。因此,我们在开展任何建模之前先对该基准进行了表征。
数据集(无更多内容)
讨论:本研究的核心问题是通过碳纳米酶的局部拓扑而非仅整体成分来描述,是否能在实质上改善对其催化行为的描述。在基准的受控设置中,答案对于预测是肯定的,更重要的是对于解释也是肯定的。拓扑感知模型不仅拟合得更好,而且所依赖的特征对应于支配已编码关系的电子转移化学。
结论:我们提出了CarboZym-AI,一个可复现的、针对碳基纳米酶的拓扑感知结构-活性建模框架,并在一个机制基础的合成基准上进行了评估,该基准的设计使得真值机制已知。在此受控设置中,拓扑感知表示改善了动力学预测(交叉验证R2从0.65提升至0.73,误差降低12%),在活性类别判别上取得了一致的较小提升,并在留出的碳……上泛化超越随机水平。
CRediT作者贡献声明:Ashfaq Ahmad:原创草稿撰写、可视化、验证、监督、软件、项目管理、调查、形式分析、概念化。Sidra Majaz:原创草稿撰写、软件、方法学、形式分析。Ikramullah Khan:审查与编辑、验证、资源、项目管理。Yingqiu Xie:审查与编辑、验证、资源、项目管理、概念化。
数据与代码可用性:完整的流程、合成基准生成器以及产生本手稿中所有图表的所有脚本均可在附带的笔记本中获取。
生成的数据集和生成的框架可在 https://doi.org/10.5281/zenodo.22676984 获取。生成式人工智能使用声明我们未使用生成式人工智能进行图片或内容生成;然而,我们在有限的情况下使用了人工智能来构建句子和格式调整。利益冲突声明作者声明,他们没有任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。致谢本研究得到了纳扎尔巴耶夫大学FDCRGP基金的资助,资助项目编号为110119FD4531、11022021FD2920、040225FD4744。Ashfaq Ahmad | Sidra Majaz | Ikramullah Khan | Yingqiu Xie
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号