.png){kind=icon}
返回
SEFP: Structure-Based Enzyme Function Prediction
.png){kind=icon}
PRE
AI
DOI：10.1109/TCBBIO.2025.3552846.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统用于确定酶性质的生物学实验方法耗时且成本高昂，导致对用于酶功能预测的计算模型的兴趣日益增加。然而，现有的计算方法在利用酶结构方面存在不足且效率低下。在本工作中，我们介绍了SEFP，这是一种利用酶点云进行酶功能预测的新型方法。SEFP的结构编码器采用定制的酶点云网络来分析酶内部的原子三维排列，通过残基特征适配器整合层次残基全局特征以提取详细的酶点特征。此外，Bio-BCS残基特征编码器采用专门设计的注意力机制，利用通道和空间权重提取酶残基特征。最后，SEFP融合点和残基特征以生成最终预测结果。比较评估表明，SEFP优于各种最近的计算方法，表现出卓越的性能。在RSCB酶结构数据集上，SEFP实现了95.85的f1分数，优于两种代表性的基于结构的方法EnzyNet和DeepFri。在HECNet数据集上，SEFP在所有比较的基于序列的方法中保持其优越性，实现了94.29的f1分数。进行了消融研究以确认SEFP内部各模块的有效性。这些发现强调了SEFP在可靠且精确的酶功能预测方面的潜力，为生物信息学和计算生物学领域提供了进展。
Keyword:
Enzyme function prediction
point cloud
structural feature learning
attention mechanism
期刊
I
IF:
3.4
论文数:
3.3K
被引数:
6.4K
机构
引用论文
SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary《从不平衡数据中学习: 进步与挑战，纪念15周年》
OAAI
.png){kind=icon}
OAAI分享收藏MVDINET: A Novel Multi-Level Enzyme Function Predictor With Multi-View Deep Interactive Learning
PREAI
分享收藏分享收藏分享收藏分享收藏分享收藏CD-HIT Suite: a web server for clustering and comparing biological sequencesCD-HIT套件: 用于聚类和比较生物序列的web服务器
OAAI
OAAI分享收藏
查看更多内容