机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。
本研究解决了酶促反应预测这一复杂且资源密集的问题，采用大型语言模型（LLMs）评估其在多个生化任务中的能力。研究发现，通过多任务学习，模型在反向合成和正向合成预测上表现优越，显示出在酶信息共享方面的潜力，并指出了现有EC分类方案中的挑战，为进一步改进LLM驱动的生化建模奠定了基础。
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。
西湖大学研究团队开发了基于深度学习的酶挖掘策略ESM-Ezy，成功识别出新型多铜氧化酶（MCO），其催化性能优于查询酶（QE）。该方法显著提高了低序列相似性酶的发现效率，尤其在环境修复方面具有广泛应用潜力。
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。
华盛顿大学研究团队利用人工智能RFdiffusion和深度学习网络PLACER，从头设计出高效丝氨酸水解酶，催化效率达到2.2x10^5 M^−1 s^−1。这一突破克服了传统设计的局限，标志着酶工程的重要进展，可能推动生物和工业应用的发展。
研究团队提出了一种AI辅助的酶热稳定性工程策略，仅需两轮设计，成功获得50个组合突变体，稳定性设计成功率达100%。最佳突变体13M4的Tm提高10.19℃，半衰期增加655倍，催化活性保持不变，显著提升了蛋白质工程效率。
酶是重要的天然催化剂。斯坦福大学和西北大学的研究团队利用机器学习平台评估了1217种酶变体，成功提高了酰胺合成酶的活性，实验可在几天内完成，推动可持续生物制造的发展。
本文提出了一种新的蛋白设计计算范式，特别适用于酶类设计。通过CrossDesign框架，利用预训练的蛋白语言模型，克服了结构数据不足的问题，显著提升了模型在酶数据集上的表现。
本研究提出了一种新型生成模型EnzymeFlow，解决了传统方法无法有效捕捉酶与底物相互作用动态的问题。该模型结合流匹配和共进化原理，为特定底物和催化反应生成高质量的催化口袋，实验证明其在酶工程和合成生物学中的有效性。
中国科学院天津工业生物技术研究所的研究人员开发了一种新型P450酶设计方法P450Diffusion，通过扩散模型和口袋设计原则成功生成了比自然界P450酶更活性更稳定的新酶。研究人员还剖析了P450酶进化过程中新功能的起源机制，并提出了「三点固定原则」。该研究为新功能P450酶设计提供了新思路，有望在生物工程和工业催化领域发挥作用。
中国科学院天津工业生物技术研究所的新酶设计团队开发了一种基于扩散模型和口袋设计原则的P450酶从头设计方法P450Diffusion。该方法通过解析P450酶黄酮6-羟化酶的口袋设计原则，生成了比自然界P450酶活性更好、稳定性更高的新酶。研究结果表明，P450Diffusion能够捕捉催化口袋的基本设计原则，并从P450酶序列空间中筛选出比天然序列更好的P450酶。这一方法有望在生物工程和工业催化等领域发挥作用，并推动新型酶的开发和应用。
介绍WebRED数据集，用于从万维网上提取关系，提供基线和强调人工注释的重要性。
中国科学院深圳先进技术研究院的罗小舟团队提出了基于酶动力学参数预测框架(UniKP)的研究，通过酶的氨基酸序列和底物的结构信息预测酶动力学参数。研究团队还提出了基于UniKP的双层框架EF-UniKP，可以更准确地预测酶动力学参数。研究结果已发表于Nature Communications，验证数据集证明了UniKP和EF-UniKP的准确性和稳健性。这项研究对酶促反应动力学的研究和应用具有重要意义。
《参考消息》6日登载英国路透社报道《蜡虫唾液可能有助应对塑料污染》。报道摘要如下。 蜡虫唾液中的两种物质能够轻易分解一种常见塑料，全球应对塑料污染的斗争有望取得进展。 蜡虫是一种名为蜡螟的蜡蛾的幼虫。这种虫被养蜂人视为害虫，因为它们以蜂蜡、花粉和蜂蜜为食，偶尔也会吃蜜蜂幼虫。研究人员说，在这种虫的唾液中发现的两种酶可以在室温下迅速降解聚乙烯。聚乙烯是世界上使用最广泛的塑料。 这项研究基于研究...
完成下面两步后，将自动完成登录并继续当前操作。
