中科院羅小舟團隊提出 UniKP 框架，大模型 + 機器學習高精度預測酶動力學參數

AIGC動態歡迎閱讀

原標題：中科院羅小舟團隊提出 UniKP 框架，大模型 + 機器學習高精度預測酶動力學參數
關鍵字：數據,模型,動力學,表示,向量
文章來源：HyperAI超神經
內容字數：7497字

內容摘要：

作者：李寶珠
編輯：三羊
中國科學院深圳先進技術研究院羅小舟團隊提出了，基于酶動力學參數預測框架 (UniKP)，實現多種不同的酶動力學參數的預測。眾所周知，生物體內的新陳代謝是通過各種各樣的化學反應來實現的。這些反應如果在體外進行，通常需要在高溫、高壓、強酸、強堿等劇烈條件下才能發生。
但在生物體內，新陳代謝反應卻可以在極為溫和的條件下高效進行，這主要歸功于重要的有機催化劑——酶。
作為貫穿高中生物學科的高分知識點，酶的特性或許已經烙印在大家記憶深處——催化效率高、專一性強、作用條件溫和等。更重要的是，酶與很多人體疾病密切相關，還可以用于診斷與治療。一直以來，人們在深入研究酶分子結構與功能的同時，也在持續探究酶促反應的影響因素。
研究酶促反應速率以及各種因素對酶促反應速率影響機制的科學，被稱為「酶促反應動力學」，在研究中，酶在特定反應中的催化效率通常通過酶動力學參數 (enzyme kinetic parameters) 來衡量。
酶促反應動力學參數包括了酶周轉數 kcat、米氏常數 Km 和催化效率 kcat / Km 等，目前主要依賴濕實驗來進行參數測量，但這一過程耗時且成本高，

原文鏈接：中科院羅小舟團隊提出 UniKP 框架，大模型 + 機器學習高精度預測酶動力學參數

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例