超越标签:半监督学习用于酶动力学参数预测
Going beyond labels: Semi-supervised learning for enzyme kinetic parameter prediction
基于正则化的半监督学习无需伪标签,利用无标签酶-底物对提升了 kcat 预测。在 CataPro 数据集按 40% 序列一致性聚类的严格基准上,神经一致性正则化与图拉普拉斯正则化加入无标签记录后均优于仅用标注数据的正则化。增益在几千条无标签记录后饱和,并扩展至野生型、突变体酶及低数据腺苷酸激酶场景。
预印本 · biorxiv · 10.64898/2026.10.15.759462
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
酶动力学参数,例如周转数(kcat),是酶工程和代谢建模的基础。机器学习模型可以从序列和底物表示中预测这些参数,但其准确性受限于实验标注数据的稀缺性和覆盖范围的狭窄,尤其是对于分布外的酶。现有的利用未标注数据的策略依赖于同源序列、伪标签或对标注样本的合成扰动,这限制了它们充分利用未标注数据来改进模型的潜力。在此,我们证明基于正则化的半监督学习能够在特定任务的训练过程中,将具有生物学意义的未标注样本与标注数据一同利用,从而在不为未标注样本分配伪标签的情况下提升模型性能。具体而言,缺乏kcat但已表征了其他动力学参数的酶-底物对,可以作为未标注数据来改进kcat预测。以40%序列同一性的聚类CataPro数据集作为严格基准,当加入未标注记录时,神经一致性正则化和图拉普拉斯正则化的表现均优于仅在标注数据上进行正则化所获得的提升。这种收益需要足够的标注数据,对于神经模型而言在数千条未标注记录时达到饱和,并且取决于未标注数据在特征空间中的密度,而非其与标注数据的邻近程度。这些收益扩展到了野生型和突变酶,以及一个局部低数据量的腺苷酸激酶景观。这些发现表明,不完整的动力学记录(具体而言)以及未标注数据点(一般而言)是酶动力学预测的宝贵资源。
来源:bioRxiv · biorxiv.org