酶功能预测改用无标注同源序列：EZpred在720个新酶上把四位数EC号F1提到0.786
核心概要
EZpred把蛋白质结构预测里常用的同源序列特征搬到酶功能预测上，只取同源序列的序列特征、不看它们的功能标注。此前深度学习模型大多只从目标序列本身取特征，少数用同源的模型也只利用带功能标签的同源序列。在720个于UniProt 2024_02新增EC号的酶上，EZpred预测完整四位数EC号的F1为0.786，比CLEAN和GraphEC分别高27%和31%。
深度剖析
酶功能预测开始像结构预测那样利用不带功能标注的同源序列，而不只是目标蛋白自身序列或带标签的同源模板。 此前的深度学习酶功能模型大多只从目标序列提取特征，少数引入同源信息的模型也只聚合带功能标签的同源序列，无法使用没有标注的同源序列。 在720个于UniProt 2024_02新增EC号、且在2023_02中无对应标注的酶上，EZpred预测四位数EC号的F1为0.786，比CLEAN和GraphEC分别高27%和31%，Wilcoxon检验p值分别为3.51E-20和2.89E-31。
做法是先用MMseqs2找出目标酶的同源序列，再用ESM C蛋白质语言模型把目标序列和前四条同源序列都编码成向量。 每条序列取ESM C最后三层输出，沿序列做平均池化，再把目标与同源序列的向量拼接，送入多层感知机输出EC号概率。 去掉同源序列搜索后，同一架构的F1从0.782降到0.756；只用ESM C最后一层则为0.763，用最后三层为0.782。
最终预测还把基于序列和结构模板的检索结果与深度学习输出加权合并。 模板部分用MMseqs2搜索序列模板、用Foldseek在AlphaFold结构库中搜索结构模板，再与深度学习分数按权重合成。 模板部分与深度学习部分单独都达到F1 0.782，合并后只提高0.5%；在TM-score低于0.2的极难目标上，深度学习部分反而优于模板部分。
启示与展望
演示范围是720个在UniProt 2024_02新增EC号、2023_02中无对应标注的酶，以及625个新增实验性分子功能标注的非酶；作者指出该模型可用于指导后续实验，并明确不应被用来预测突变效应。
作者说明合并模板与深度学习两部分只带来0.5%的F1提升，并归因于两部分各自已接近上限；对极难目标，深度学习部分在TM-score低于0.2时优于模板部分，而在0.2至0.6区间相反。平均池化使模型对活性位点突变不敏感，作者把加权活性位点残基列为后续方向。