基于多模态深度学习的酶活性位点定位

文章预览

加 星标 ，再也不怕错过更新！方法见文末动图。 酶作为生化反应的催化剂，推动着生长、代谢等关键生命过程。其活性由其三维结构中的活性位点决定，使其能够特异性地结合底物并催化化学反应。尽管DNA测序技术的进步带来了大量酶序列，但高质量的活性位点注释数据仍然稀缺，UniProt数据库中仅不到0.7%的酶序列有高质量的活性位点注释。而且现有的工具难以精确预测酶与其底物、反应类型以及不同活性位点之间的关系。 为了突破现有挑战，8月的 nature communications 上介绍了一种酶活性位点标注算法 （EasIFA） ：通过融合蛋白质语言模型和3D结构编码器，并利用多模态交叉注意力框架对齐蛋白质级信息与酶促反应知识，EasIFA不仅提升了酶活性位点标注的速度和准确性，还具有从粗略标注数据库向高精度数据集的知识转移能力以及作为催化位点监测 ………………………………