.png){kind=icon}
返回
Robust enzyme discovery and engineering with deep learning using CataPro
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-025-58038-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确预测酶动力学参数对于酶的探索和改造至关重要。现有模型由于过拟合问题，面临精度低或泛化能力差的问题。在本工作中，我们首先开发了无偏数据集以评估这些方法的真实性能，并提出了一种基于预训练模型和分子指纹的深度学习模型CataPro，用于预测转换数（kcat）、米氏常数（Km）和催化效率（kcat/Km）。与之前的基线模型相比，CataPro在无偏数据集上表现出明显增强的精度和泛化能力。在一个代表性的酶挖掘项目中，通过结合CataPro与传统方法，我们鉴定出一种酶（SsCSO），其活性较初始酶（CSO2）提高了19.53倍，随后成功对其进行改造，使活性进一步提高了3.34倍。这表明CataPro作为未来酶发现和改造的有效工具具有巨大潜力。
Keyword:
PROTEIN-STRUCTURE
BIOTECHNOLOGICAL PRODUCTION
SCORING FUNCTION
CRUDE ENZYME
WEB SERVER
DESIGN
MECHANISM
LANGUAGE
GENERATION
PREDICTION
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
暂无机构信息
引用论文
分享收藏Large language models generate functional protein sequences across diverse families大型语言模型生成跨不同家族的功能蛋白质序列.png)
NATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏Fast and accurate protein function prediction from sequence through pretrained language model and homology-based label diffusion通过预训练的语言模型和基于同源性的标签扩散从序列中快速准确地预测蛋白质功能OAAI
OAAI分享收藏
查看更多内容