换一批AcidBasePred:基于深度学习的蛋白酸碱耐受性预测平台
AcidBasePred:a protein acid-base tolerance prediction platform based on deep learning
摘要酶的结构和活性受环境pH值的影响.了解酶对极端pH值的适应机制并进行区分,对于阐明酶的分子机制和工业应用具有重要意义.本研究利用ESM-2 蛋白质语言模型对最适pH值大于等于 9 和/或小于等于 5 的微生物的分泌蛋白进行编码,分别获得了 47 725 条和 66 079 条数据.在此基础上,本研究构建了一个基于氨基酸序列判别蛋白酸碱耐受性的深度学习模型.该模型准确率显著超过其他方法,在测试集上的整体准确率为 94.8%,精确率为 91.8%、召回率为 93.4%.同时搭建了一个web预测平台(https://enzymepred.biodesign.ac.cn),用户可以直接提交酶的蛋白质序列,预测其酸碱耐受性.本研究加速了酶在生物技术、制药和化工等多个领域的应用进程,为工业酶的快速筛选与优化提供了强有力的工具.
更多相关知识
栏目名称
DOI
10.13345/j.cjb.240255
发布时间
2024-12-31（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
