准确预测蛋白质功能，中山大学基于几何图学习的酶工程新方法
💡
原文中文，约1600字，阅读约需4分钟。
📝
内容提要
中山大学团队开发了GraphEC，这是一种基于几何图学习的酶功能预测技术。它利用ESMFold预测结构和预训练的蛋白质语言模型，从蛋白质结构中提取功能信息。GraphEC能有效预测酶的活性位点、EC编号和最佳pH值，表现优于现有方法，具有在合成生物学和基因组学中的应用潜力。未来可通过改进结构质量和结合大型语言模型提升预测能力。
🎯
关键要点
- 中山大学团队开发了GraphEC，一种基于几何图学习的酶功能预测技术。
- GraphEC利用ESMFold预测结构和预训练的蛋白质语言模型，从蛋白质结构中提取功能信息。
- 该技术能够有效预测酶的活性位点、EC编号和最佳pH值，表现优于现有方法。
- GraphEC在合成生物学和基因组学中具有应用潜力。
- 未来可通过改进结构质量和结合大型语言模型提升预测能力。
- 酶委员会（EC）编号是编码酶功能的常用方法，但现有预测技术尚未充分认识酶活性位点和结构特征的重要性。
- GraphEC通过预测的蛋白质结构和酶活性位点进行酶功能预测，提供了更准确的EC编号识别。
- 该模型在多个独立测试中优于所有最先进的方法，强调了几何图学习的有效性。
- 尽管表现出色，GraphEC仍有改进空间，未来可探索改善结构质量和利用大型语言模型。
➡️
