用图神经网络预测酶的“专一性”
作者: aeks | 发布时间: 2025-10-14 08:29 | 更新时间: 2025-10-14 08:29
用图神经网络预测酶的“专一性”
酶是生命的分子机器，决定其功能的关键特性是底物特异性，即酶识别并选择性作用于特定底物的能力。这种特异性源于酶活性位点的三维结构以及反应的复杂过渡态。许多酶能够非特异性催化反应，或作用于其进化过程中原本不针对的底物。然而，数百万种已知酶仍缺乏可靠的底物特异性信息，这阻碍了它们的实际应用以及对自然界生物催化多样性的全面理解。在此，研究人员开发了一种名为EZSpecificity的基于交叉注意力的SE(3)等变图神经网络架构，用于预测酶的底物特异性。该模型在一个全面的、针对酶-底物相互作用的序列和结构水平定制的数据库上进行了训练。通过未知底物和酶数据库以及七个概念验证蛋白质家族的验证表明，EZSpecificity在酶底物特异性预测方面的性能优于现有的机器学习模型。对八种卤化酶和78种底物的实验验证显示，EZSpecificity在识别单一潜在反应底物时准确率达到91.7%，显著高于最先进的ESP模型（58.3%）。EZSpecificity是一种通用的机器学习模型，可准确预测酶的底物特异性，适用于生物学和医学领域的基础研究与应用研究。