用于预测催化特性的酶特异性蛋白质语言模型

《Nature Communications》：An enzyme-specific protein language model for catalytic property prediction

　　

摘要

酶在细胞代谢中起着关键作用，但仅凭氨基酸序列预测其催化特性仍然具有挑战性。现有的蛋白质语言模型虽然能够提供强大的通用表示方法，但在高通量筛选中的应用效率较低，且不太适合处理与酶相关的特定任务。在此，我们提出了EnzGFM，这是一种基于Mamba-Transformer混合架构的酶专用蛋白质语言模型，通过分层预训练来捕捉酶特有的模式。在各类酶特性预测测试中，EnzGFM的表现始终优于基于Transformer的蛋白质语言模型，计算速度提升了2–5倍，在动力学参数预测方面的相对改进率为16.67%，在酶-反应对应关系分析方面的改进率为15.69%，在EC编号分类方面的改进率为13.19%，在突变效应评估方面的改进率为20.04%。在EnzGFM的基础上，我们还开发了EnzGFM-Agent，这是一种专注于酶处理的智能处理流程。实验验证表明，EnzGFM-Agent能够在有限的候选序列中筛选出更有潜力的变异体。这些结果共同证明了EnzGFM能够捕捉酶特有的序列-功能模式，而EnzGFM-Agent则可将这些预测结果转化为可用于实验的候选序列，从而帮助减轻实际酶工程中的实验室筛选工作负担。