KaML-ESMs：基于ESM的蛋白质电离态预测模型

研究团队在 Nature Communications 发表 KaML-ESMs：以 ESM 蛋白语言模型为基础构建序列神经网络，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）。作者称 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。 作者同时报告，该方法在 89 个缺乏进化支持的埋藏工程突变上性能下降，并指出这一局限可能通过监督训练缓解。团队称 KaML 是面向生物学探索、蛋白质工程和生物分子模拟的序列 pKa 预测平台。

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。