酵素回転数（kcat）は、速度論モデルおよび酵素制約付きゲノムスケール代謝モデル（ecGEM）に不可欠であるが、測定値が乏しいため、機械学習（ML）による推定がますます用いられている。これらの予測器は一般に大域的な回帰指標によって評価されるが、その実用性は、誤差が下流モデルを通じてどのように伝播するかに依存する。本研究では、精選したBRENDA由来データセット上で現行の6種類のkcat予測器を、EnzyExtract上でそのうち5種類をベンチマーク評価した。訓練セットとの近接性の影響を評価するため、各ベンチマークデータセットを、それぞれの予測器について利用可能な訓練データと比較した。次に、予測されたkcat値を用いて出芽酵母Saccharomyces cerevisiaeのecGEMをパラメータ化し、19条件における増殖予測を評価した。その結果、BRENDA由来データセット上でさえベンチマーク精度は中程度であり、EnzyExtractでは急激に低下し、すべての予測器のR²値が0.20以下となることが明らかになった。この低下には、ベンチマークデータセットと訓練データセットの重複率の大幅な低下が伴っており、配列の完全一致率はBRENDAでは24～78％であったのに対し、EnzyExtractでは9～26％であった。しかし、この重複だけでは予測器間の汎化性能の差を説明できない。さらに、下流性能もベンチマーク順位では説明できない。19条件を通じて、ツール別のecGEMはいずれも、実験で観測された増殖の変動を一貫して再現しなかった。グルコース最少培地では、ベンチマーク性能が最も低い予測器が下流のecGEMにおいて最も正確な増殖予測をもたらした一方、上位の予測器は増殖についてより大きな偏差を生じさせた。この不一致は、酵母の代謝ネットワーク内で影響力の大きい局所的な位置に生じた誤差に起因していた。そこでは、ミトコンドリアADP/ATP輸送体の回転数が過小予測されたことでアデニンヌクレオチド交換が制限され、細胞質ATP供給に見かけ上の制約が課されていた。この制約を緩和すると、予測増殖は実験参照値に近づいた。したがって、ML由来のkcat値は、定量的な増殖予測だけでなく、機構モデルが同定したように見える表現型にも影響を及ぼし得る。これらの結果は、生物学的パラメータ予測器について、その利用先となる下流システム内で応用主導型の検証を行う必要性を示している。
https://doi.org/10.64898/2026.08.28.747816