kinGEMs用深度学习预测参数构建ecGEMs

Rana A. Barghout 等人提出 kinGEMs 框架，把深度学习模型 CPI-Pred 从序列和化合物嵌入预测的 kcat 参数整合进酶约束基因组尺度模型（ecGEMs），用于代谢优化。CPI-Pred 输出的参数带有不确定性，框架在整合时显式考虑这一不确定性，并利用序列、结构和动力学等多尺度表征提升泛化性和准确性。 该框架已为 93 个模型生成 ecGEMs，覆盖革兰氏阴性菌、革兰氏阳性菌、分枝杆菌、寄生原虫、真菌和哺乳动物细胞系等系统发育多样的生物。 基准评测显示，该框架预测的生长速率和通量与实验观测及实测蛋白质组分数一致，通量中位变异性降低数倍，模型约束更紧。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。