💡
原文中文，约2300字，阅读约需6分钟。
📝
内容提要
汕头大学、湖南大学与弗吉尼亚大学联合开发的混合机器学习系统PinMyMetal（PMM）能够准确预测生物大分子中的过渡金属结合位点，配体和坐标预测的准确率超过90%。该系统开源并提供在线预测，能有效识别金属类型和结合位点，为科学研究提供新工具。
🎯
关键要点
- 汕头大学、湖南大学与弗吉尼亚大学联合开发的混合机器学习系统PinMyMetal（PMM）能够准确预测生物大分子中的过渡金属结合位点。
- PMM在配体和坐标预测方面的准确率超过90%。
- 该系统开源并提供在线预测，能有效识别金属类型和结合位点。
- PMM采用混合学习方法，根据几何形状识别金属结合位点。
- 系统通过几何约束识别候选位点，并区分低协调位点和高协调位点。
- PMM在预测锰和锌结合位点方面表现稳健，但在区分某些金属时仍存在挑战。
- PMM不仅能预测已知结合位点，还能识别未知的推定结合位点。
- 与其他预测因子相比，PMM提供更详细的配体信息和更高的准确性。
- PMM的代码是开源的，允许用户本地下载和在线使用。
- PMM为科学研究提供了一种快速预测金属结合位点的新工具。
❓
延伸问答
PinMyMetal（PMM）系统的主要功能是什么？
PMM系统能够准确预测生物大分子中的过渡金属结合位点及其配体和坐标。
PMM在配体和坐标预测方面的准确率是多少？
PMM在配体和坐标预测方面的准确率超过90%。
PMM是如何识别金属结合位点的？
PMM通过几何约束和混合学习方法，根据不同的几何形状识别金属结合位点。
PMM在预测锰和锌结合位点方面的表现如何？
PMM在预测锰和锌结合位点方面表现稳健，锰的准确率为88.6%，锌为65.9%。
PMM与其他预测因子相比有什么优势？
PMM提供更详细的配体信息和更高的准确性，能够预测具有CH≥2配体的位点。
PMM的代码是否开源？
是的，PMM的代码是开源的，用户可以本地下载和在线使用。
➡️
