用于催化性质预测的酶特异性蛋白质语言模型

摘要

预测酶催化性质具有挑战性，现有蛋白质语言模型（PLM）效率低且未能适应酶任务。提出酶特异性PLM EnzGFM，采用Mamba-Transformer混合架构及层次化预训练，在多个基准上优于Transformer PLM，加速2–5倍，并在动力学参数预测、酶-反应映射、EC号分类和突变效应评估上分别提升16.67%、15.69%、13.19%和20.04%。基于EnzGFM的EnzGFM-Agent流程能富集有益变体，减少湿实验筛选负担，有助于实际酶工程。