Journal of Chemical Information and Modeling·· 3 小时前精选AI 评分74
EnzyArena 基准评测 20 个机器学习模型并湿实验验证酶工程突变排序策略
Benchmarking and Experimental Validation of Machine Learning Strategies for Enzyme Engineering
AI 导读
研究团队构建了 EnzyArena 基准，将 kcat、Km 或 kcat/Km 等动力学参数按实验批次分组，并在 pH、温度、反应和批次等条件匹配下测量，以减少混杂因素。基于该基准，他们系统评测了 20 个模型，覆盖蛋白-配体结合亲和力预测、蛋白稳定性预测、零样本适合度预测和酶动力学参数预测四类策略。
阅读原文
来源：Journal of Chemical Information and Modeling · doi.org
推荐理由
该基准按实验批次统一动力学条件，并对 20 个模型做湿实验前瞻验证，为酶工程中突变优先级排序提供了现实基线。