深度学习驱动的酶动力学参数预测模型CataPro助力高效酶挖掘与改造

上海智峪生科郑良振博士、山东大学李伟峰教授和山东师范大学杨燕美教授团队在《Nature Communications》上发表了一项研究，介绍了一个名为CataPro的深度学习模型，该模型用于预测酶的动力学参数（如kcat、Km及kcat/Km）。与传统方法相比，CataPro通过预训练模型和分子指纹提高了预测精度和泛化能力。研究中，作者基于序列相似性聚类构建了无偏十折交叉验证数据集，并系统测试了不同酶和底物表示方法的效果，结果表明CataPro在酶挖掘和改造中的应用潜力显著。这项工作为生物催化领域的高效酶筛选和优化提供了新的工具。