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。
上海交通大学洪亮课题组研发了一种名为PROTLGN的微环境感知图神经网络,能够从蛋白质三维结构中学习并预测有益的氨基酸突变位点,指导蛋白质设计。PROTLGN具有更高的效率和准确性,可用于突变预测、荧光蛋白优化、VHH抗体设计和Ago蛋白突变等方面。此外,PROTLGN还能预测蛋白质的亚细胞定位。
通过机器学习指导的定向进化方法提高了蛋白工程的效率和多样性,成功创造了两种可能的产物对映体的酶。
完成下面两步后,将自动完成登录并继续当前操作。