Nature Communications·· 7 小时前精选AI 评分67
KaML-ESM 用蛋白语言模型预测电离常数，在四项基准上误差约 0.5 单位
Predicting protein electrostatics with protein language models
AI 导读
研究团队提出 KaML-ESMs，这是基于 ESM 蛋白语言模型构建的序列神经网络，在 GAINES 增强的 PKAD-3r 数据集上训练，用于预测蛋白残基的电离常数（pKa）。KaML-ESM2/ESMC 在四项基准上优于其他方法，对天然蛋白中 Asp/Glu/His/Cys/Tyr/Lys 残基的均方根误差约为 0.5 单位。在 89 个缺乏进化支持的埋藏工程突变上性能下降，作者指出这一局限可能通过监督训练缓解。
阅读原文
来源：Nature Communications · doi.org
推荐理由
基于 ESM 的序列模型在多个基准上把 pKa 预测误差压到约 0.5 单位，并给出埋藏突变上的失效边界。