跳到正文
bioRxiv· wang, h.; yu, z.; ren, y.; yuan, r.·· 来源仅提供日期AI 评分44

PAMP:面向酶工程的连续到离散突变投影框架

PAMP: Continuous-to-Discrete Mutation Projection for Enzyme Engineering

AI 导读

PAMP 用梯度引导把可微的 turnover 目标直接映射为单氨基酸替换,在 2754 个酶-底物对上首轮平均预测增益为 0.1795 log2 单位,84.64% 的案例为正。排名前五的替换中有 99.49% 至少含一个正向候选,连续五轮后平均累积预测增益升至 0.5631 log2 单位。改用独立的不可微预测器重新打分,方法排序不变但绝对增益减弱。

预印本 · biorxiv · 10.64898/2026.11.10.765778

本站摘要基于收录版本 v1(2026-11-12),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

高效的酶工程需要将定量的周转率预测转化为具体的突变,以在减少实验搜索的同时提升催化活性。在此我们提出 Proximal Adversarial Mutation Projection(PAMP),这是一个梯度引导框架,通过结合多点梯度平均与蛋白质嵌入空间中的距离惩罚投影,将可微的周转率目标直接映射为单氨基酸替换。使用基于 CataPro 数据训练的底物条件化 Residual Predictor,PAMP 在 2,754 个酶-底物对上实现了首轮平均预测增益 0.1795 log2 单位,其中 84.64% 的情况呈正向变化;在排名前五的替换中,99.49% 的记录至少包含一个正向候选。五轮连续迭代将平均累计预测增益提升至 0.5631 log2 单位,而使用独立的非可微预测器重新评分后,各方法的排序保持不变,但绝对增益有所衰减。PAMP 提供了一种计算高效的策略,可在较小的候选预算下优先排序可供实验验证的酶突变。

来源:bioRxiv · biorxiv.org