主要观点总结
文章介绍了GraphEC模型在酶功能预测方面的应用，包括活性位点预测、EC编号识别、最适pH值预测等。GraphEC基于几何图学习，整合酶活性位点和预测蛋白质结构进行功能预测。该模型在多个方面表现出卓越性能，优于现有最先进方法。
关键观点总结
关键观点1: GraphEC模型概述
GraphEC是一种基于几何图学习的准确EC编号预测器，整合酶活性位点和预测的蛋白质结构进行功能预测。
关键观点2: GraphEC在酶活性位点预测中的表现
GraphEC-AS在基于残基的酶活性位点预测中表现出色，相比六种竞争方法，其在多个指标上均表现最佳。
关键观点3: GraphEC在酶EC编号识别中的表现
GraphEC在酶EC编号预测中表现卓越，其各项指标均显著优于四种最先进的EC编号预测器。
关键观点4: GraphEC的最适pH值预测能力
GraphEC-pH在酶最适pH值预测中表现出色，在新数据集上显示出高度稳健性。
关键观点5: GraphEC从酶结构中学习功能信息的能力
GraphEC能够从蛋白质结构中提取功能信息，在发现新酶功能和识别无序蛋白质功能方面表现出色。
文章预览
加 星标 ，再也不怕错过更新！方法见文末动图。 酶在生物过程中通过催化多种反应发挥关键作用，识别其功能对代谢和疾病研究至关重要。酶委员会 （EC） 编号是定义酶功能的常用方法。然而，当前的EC编号预测技术既耗时又昂贵，现有的一些计算方法又存在依赖序列相似性和缺乏高质量模板的限制。 为了突破现有挑战，9月的 nature communications 上介绍了一种基于几何图学习的EC编号预测器 （GraphEC） ，使用ESMFold预测的结构和预训练蛋白质语言模型。通过构建预测酶活性位点的模型预测EC编号，并利用标签扩散算法结合同源信息提高准确性并预测酶的最适pH值。实验表明，GraphEC在预测活性位点、EC编号和最适pH方面优于现有最先进方法。 01 GraphEC模型 GraphEC是一种基于几何图学习的准确EC编号预测器（图1），整合酶活性位点和预测的蛋白质结构进行
………………………………
