活性提升65倍，山大新AI工具定向进化高活性酶，外部数据集验证成功率达80%
内容提要
山东大学团队提出的深度学习模型CataPro能够有效预测酶动力学参数，提升预测的准确性和泛化能力。在酶开采中发现的新酶SsCSO，其活性是初始酶的19.53倍，经过工程改造后活性提高了3.34倍。CataPro在酶的发现和定向进化中展现了实际应用价值。
关键要点
-
山东大学团队提出的深度学习模型CataPro能够有效预测酶动力学参数。
-
CataPro在无偏数据集上表现出增强的准确性和泛化能力。
-
新发现的酶SsCSO活性是初始酶的19.53倍，经过工程改造后活性提高了3.34倍。
-
CataPro在酶的发现和定向进化中展现了实际应用价值。
-
研究结果发表于2025年3月20日的《Nature Communications》。
-
CataPro通过创建与酶动力学参数相关的数据集进行预测。
-
CataPro在预测k方面的准确性和泛化能力明显优于其他基线模型。
-
外部测试数据集显示CataPro在酶挖掘和工程中的潜力。
-
CataPro在深度突变扫描与辅助酶挖掘与定向进化上具有显著优势。
-
当前酶数据库中的酶序列空间相对较小，CataPro有助于推广训练集之外的酶催化反应。
-
CataPro在准确捕获突变效应的绝对值方面仍面临限制，未来需建立更完整的酶动力学参数集。
延伸解读
CataPro的优势与应用前景
CataPro模型在酶动力学参数预测中展现出显著的准确性和泛化能力，尤其在酶的发现和定向进化方面具有实际应用价值。其成功率高达80%，为生物催化剂的开发提供了新的思路，可能加速制药和化学制造领域的创新。
酶数据库的局限性
当前的酶数据库仅覆盖自然界中酶反应空间的一小部分，限制了新酶的发现和应用。CataPro的出现有助于扩展这一空间，通过挖掘未被充分研究的酶，推动酶催化反应的多样性和效率。
未来的挑战与发展方向
尽管CataPro在许多反应中表现出色，但在准确捕获突变效应的绝对值方面仍存在限制。未来需要建立更全面的酶动力学参数集，以提升模型的预测能力和适用范围，进一步推动酶工程的进展。
延伸问答
CataPro模型的主要功能是什么？
CataPro模型主要用于有效预测酶动力学参数，提升预测的准确性和泛化能力。
新发现的酶SsCSO的活性如何？
新发现的酶SsCSO的活性是初始酶的19.53倍，经过工程改造后活性提高了3.34倍。
CataPro在酶挖掘中的成功率是多少？
CataPro在外部测试数据集中的预测成功率达到了80%。
CataPro与其他模型相比有什么优势？
CataPro在无偏数据集上表现出明显增强的准确性和泛化能力，优于其他基线模型。
CataPro的研究成果发表在哪个期刊？
CataPro的研究成果发表于2025年3月20日的《Nature Communications》。
CataPro在未来的研究中面临哪些限制？
CataPro在准确捕获突变效应的绝对值方面面临限制，未来需建立更完整的酶动力学参数集。
