酶转换数预测不再混算反应两侧:EnzRef把反应物与产物分开读,未见酶上R²提高19.8%
核心概要
预测酶转换数(kcat)需要区分同一酶在不同反应、不同酶在同一反应上的活性差异。EnzRef把反应化学拆成反应物与产物两个条件,分别与冻结的蛋白语言模型交互,再以每个酶自身的残基平均响应为参照,把条件响应写成相对该背景的偏差并重新组合。在CatPred-DB源域留出集上,单模型平均R²从MCKcat的0.553升到0.614;在酶序列未见于源训练的TurNuP-DB子集上,R²从0.259升到0.310,相对提高19.8%,且不做目标域适配。
深度剖析
酶转换数预测模型现在把反应物和产物当作两个独立条件去读同一个酶,而不是先把两侧化学合并成一个反应向量再与酶交互。 此前的PMAK和MCKcat用RXNFP把反应物与产物联合编码后再做残基级交互,酶对两种化学角色的分别响应以及两者之间的关系只能隐含在联合表示里。 在CatPred-DB源域留出集(2,049条记录)上,十次独立训练的单模型平均R²由MCKcat的0.553升到0.614,SRCC由0.732升到0.758;EnzRef的单模型平均R²也高于MCKcat的集成分数0.599。
每个化学条件下的酶读出都改为相对该酶自身残基背景的偏差,使不同样本之间的差异不再被共同的酶背景淹没。 交叉注意力读出会同时包含随化学条件变化的成分和该酶特有的残基背景,后者在同一酶的不同化学条件下共享、在不同酶之间变化,直接比较原始读出会把两种变化混在一起。 去掉参照中心化、保留其余模块和相同参数量的变体,源域留出集平均R²为0.553,完整EnzRef为0.614;共享同一酶的配对活性差RMSE下降6.47%,共享同一反应的配对活性差RMSE下降5.79%,且十次配对训练中两种误差都下降。
两个参照后的响应按平均偏差与有向角色对比重新组合,再送入预测头,使化学角色之间的关系在酶的语境中显式出现。 只保留分开的角色条件、不做这种重组时,源域留出集平均R²为0.601、SRCC为0.753。 在参数量相同的条件下,加入对称感知语义重组后平均R²升到0.614、SRCC升到0.758,共享酶与共享反应的配对活性差RMSE分别从1.023降到1.005、从1.162降到1.135。
整套适配只训练冻结编码器之外的少量参数,并在源域训练后直接用于外部数据。 以ESM2-650M为冻结主干时,化学编码器与下游模块合计1.72M可训练参数,少于对比方法在共享冻结编码器之外的开销。 在酶序列未见于源训练与验证的1,008条外部记录上,固定源域模型直接推理得到平均R² 0.310,对比MCKcat的0.259,相对提高19.8%;缓存输入下每次检查点推理0.775±0.035秒,相对MCKcat加速3.14倍。
启示与展望
演示范围是CatPred-DB源域留出集与TurNuP-DB中未见配对(2,746条)和未见酶序列(1,008条)两个嵌套子集,外部评估直接使用固定的源域训练模型,不做目标域训练或调参。方法要求反应物与产物标注已知,完整配方在产物未知或标注不完整时适用范围受限;把以酶为参照的角色建模扩展到部分指定的反应是作者提出的后续方向。
外部迁移只在TurNuP-DB的两个嵌套子集上评估,且模型固定为源域训练结果;完整配方依赖已知的反应物与产物标注,产物未知或标注不完整时适用范围受限。源域数据整理中修正了CatPred-DB发布预处理里SABIO-RK记录的换算错误,共改动1,918个标签,因此与原始发布版本的数值不完全可比。
