洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 资讯 摩熵视野 前沿研究 Nat Commun｜EasIFA：基于多模态深度学习的酶催化活性位点注释方法

Nat Commun｜EasIFA：基于多模态深度学习的酶催化活性位点注释方法

智药邦智药邦
2024/09/03
查看原文
759
EasIFA 酶催化

该模型融合了来自蛋白质语言模型和3D结构编码器的潜在酶表示，然后使用多模态交叉注意力框架将蛋白质水平信息与酶反应知识相结合，从而更高效和准确地预测酶的催化活性位点。 与目前最优的其他同类方法相比， EasIFA的识别速度较传统算法至少提高了10倍，活性位点识别质量至少提高了9.68%（ 以F1分数计量），且相对于基于位置特定得分矩阵（PSSM）和GNN的高精度深度学习算法的 速度提升了约1300倍 ，并且支持更多种酶活性位点的识别和检测。 该研究还展示了该算法在酶设计和功能预测中的潜力，为酶工程和药物开发等领域提供了新的工具和视角。

<END>
*版权声明：本网站所转载的文章，均来自互联网，旨在传递更多信息。鉴于互联网的开放性和文章创作的复杂性，我们无法保证所转载的所有文章均已获得原作者的明确授权。如果您是原作者或拥有相关权益，请与我们联系，我们将立即删除未经授权的文章。本网站转载文章仅为方便读者查阅和了解相关信息，并不代表我们认同其观点和内容。读者应自行判断和鉴别转载文章的真实性、合法性和有效性。
AI+生命科学全产业链智能数据平台

相关资讯

  • 综合
辅酶，作为一种辅助因子，如何通过优化酶催化反应，提高生化诊断效率?
AI 西宝生物
2025-06-06

收藏

发表评论
评论区（0）

  • 暂无评论

    推荐资讯
    摩熵医药企业版
    50亿+条医药数据随时查
    7天免费试用
    体验产品
    摩熵数科开放平台
    原料药

    最新资讯

    更多
    十五五战略规划

    全球新药治疗领域统计

    更多
    数据来源： 更新时间：

    全球新药靶点统计

    更多
    数据来源： 更新时间：

    最新报告

    更多
    专利数据服务

    摩熵视频

    更多

    专题.策划

    更多

    最新会议

    更多
    添加收藏
      新建收藏夹
      新建收藏夹
      取消
      确认