2026. október 25., vasárnap · Kutatás

Kutatók a Nature Communications folyóiratban bemutatott KaML-ESM nevű neurális hálózatokat fejlesztettek, amelyek az ESM2 és ESMC fehérjenyelvi modellekre épülnek, és a GAINES-sel kibővített PKAD-3r adatkészleten tanultak. A szerzők szerint a módszer négy benchmarkon is felülmúlja az alternatív megközelítéseket, és a nativ fehérjékben lévő Asp, Glu, His, Cys, Tyr és Lys aminosavak ionizációs állandóit (pKa) mintegy 0,5 egységes hibával (RMSE) jósolja meg. A kutatók ugyanakkor jelzik, hogy a teljesítmény romlik 89 olyan, mesterségesen beépített, a fehérje belsejébe rejtett mutáció esetén, amelyeket nem támogat evolúciós háttér — ez a felügyelt tanítással javítható korlátot jelez. A szerzők értelmezése szerint ez arra utal, hogy a fehérjeszekvencia az evolúciós kontextuson keresztül közvetve az elektrosztatikus tulajdonságokat is kódolja. A módszert a teljes emberi proteomra alkalmazva a kutatók funkcionális helyeket azonosítottak és katalitikus mechanizmusokat következtettek ki a jósolt pKa-értékek alapján.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.