研究提出基于 ESM 的 KaML-ESMs 预测蛋白质静电性质
Predicting protein electrostatics with protein language models
研究提出基于 ESM 蛋白语言模型的 KaML-ESMs,用序列预测六类残基的电离常数,在四个基准上优于其他方法,原生蛋白中均方根误差约 0.5 个单位。在 89 个缺乏进化支持的埋藏工程突变上性能下降,作者认为监督训练可能帮助克服这一限制。将 KaML-ESM2 用于整个人类蛋白质组时,预测的 pKa 可识别功能位点并推断催化机制,团队同时提供 KaML 预测平台。
论文用 ESM 蛋白语言模型预测电离态,在四个基准上报告误差并讨论埋藏突变的性能下降,读者可据此了解该方法的适用范围。
已发表论文 · journal · 10.1038/s41467-026-78406-y
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。
IF(5) 18.9 · 2025 · 期刊参考指标
电离状态对蛋白质功能至关重要,然而预测其平衡常数仍具挑战。在此我们提出 KaML-ESMs,这是一类基于序列的神经网络,构建于 ESM 蛋白质语言模型之上,并在经 GAINES 增强的 PKAD-3r 数据集上训练。KaML-ESM2/ESMC 在四项基准测试中均优于其他方法,对天然蛋白质中 Asp/Glu/His/Cys/Tyr/Lys 残基的均方根误差约为 0.5 个单位。在 89 个缺乏进化支持的埋藏工程突变上性能有所下降,揭示了监督训练可能有助于克服的局限性。这些结果表明,蛋白质序列通过其进化背景,不仅编码结构与功能,还间接编码了静电特性。我们将 KaML-ESM2 应用于整个人类蛋白质组,结果表明预测的 p K _a 值能够识别功能位点并推断催化机制。我们提供 KaML,一个基于序列的 p K _a 预测平台,支持生物学探索、蛋白质工程和生物分子模拟。随着进一步发展,GAINES 可为解决机器学习中的数据稀缺问题提供一个通用框架。
来源:Nature Communications · doi.org