中科院罗小舟团队提出 UniKP 框架，大模型 + 机器学习高精度预测酶动力学参数

AIGC动态欢迎阅读

原标题：中科院罗小舟团队提出 UniKP 框架，大模型 + 机器学习高精度预测酶动力学参数
关键字：数据,模型,动力学,表示,向量
文章来源：HyperAI超神经
内容字数：7497字

内容摘要：

作者：李宝珠
编辑：三羊
中国科学院深圳先进技术研究院罗小舟团队提出了，基于酶动力学参数预测框架 (UniKP)，实现多种不同的酶动力学参数的预测。众所周知，生物体内的新陈代谢是通过各种各样的化学反应来实现的。这些反应如果在体外进行，通常需要在高温、高压、强酸、强碱等剧烈条件下才能发生。
但在生物体内，新陈代谢反应却可以在极为温和的条件下高效进行，这主要归功于重要的有机催化剂——酶。
作为贯穿高中生物学科的高分知识点，酶的特性或许已经烙印在大家记忆深处——催化效率高、专一性强、作用条件温和等。更重要的是，酶与很多人体疾病密切相关，还可以用于诊断与治疗。一直以来，人们在深入研究酶分子结构与功能的同时，也在持续探究酶促反应的影响因素。
研究酶促反应速率以及各种因素对酶促反应速率影响机制的科学，被称为「酶促反应动力学」，在研究中，酶在特定反应中的催化效率通常通过酶动力学参数 (enzyme kinetic parameters) 来衡量。
酶促反应动力学参数包括了酶周转数 kcat、米氏常数 Km 和催化效率 kcat / Km 等，目前主要依赖湿实验来进行参数测量，但这一过程耗时且成本高，

原文链接：中科院罗小舟团队提出 UniKP 框架，大模型 + 机器学习高精度预测酶动力学参数

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例