酶动力学参数预测，瓶颈识别……中科院深圳先进技术研究院罗小舟分享AI在酶领域的创新应用
💡
原文中文，约4600字，阅读约需11分钟。
📝
内容提要
蛋白质在生命活动中至关重要，AI技术正在改变蛋白质设计。罗小舟教授在AI蛋白质设计峰会上分享了多模态学习与生成式AI在酶设计中的应用，提出UniKP框架和ProEnsemble模型，显著提升了酶的预测和优化效率，推动合成生物学发展。
🎯
关键要点
- 蛋白质在生命活动中发挥关键作用，传统设计面临复杂性和效率问题。
- AI技术正在改变蛋白质设计，尤其是AlphaFold等成果推动了相关研究的关注。
- 罗小舟教授在AI蛋白质设计峰会上分享了多模态学习与生成式AI在酶设计中的应用。
- 提出UniKP框架和ProEnsemble模型，显著提升酶的预测和优化效率。
- 自动化平台的搭建为AI蛋白质研究奠定基础，关注生物合成的潜力。
- UniKP框架通过融合特征和集成模型在蛋白质功能预测上取得SOTA性能。
- UniKP在kcat预测中显著优于现有模型，首次实现kcat/Km预测。
- ProGPT-2微调模型生成新颖功能的酶，减少冗余序列提高新颖性。
- ProEnsemble模型优化代谢瓶颈，显著提高柚皮素产量。
- 搭建全自动化平台，推动产学研合作，实现高通量检测和实验操作。
➡️
