酶优化-训练

酶优化-训练（Enzyme Optimization-Training）功能允许用户根据自定义上传的数据，对模型进行微调和定制化。用户需提供待优化的酶序列及已知突变体的实验结果，平台将对这些实验数据进行深入分析，并进行模型更新和再训练。微调之后，模型能够更准确地预测突变对酶的酶活性、pH 稳定性及热稳定性等酶学特性的影响，从而更有效地辅助酶的改造与优化。

功能亮点

• 先进算法: GeoEnzyme 采用自主研发的先进预训练大模型作为基础模型，进行高效的微调训练，以提升模型性能。

• 一键运行: 用户只需提供适当的实验数据，GeoEnzyme 将自动选择最佳优化目标和训练参数，并启动训练流程。无需具备 AI 模型训练经验，用户即可轻松完成从模型训练到推理的全流程。

• 定制服务: 在通用大模型的基础上，GeoEnzyme 针对特定酶数据进行微调，开发出专门服务于特定酶类别的定制模型。与通用大模型相比，定制模型在特定目标上的性能更为出色。

任务输入

要提交酶优化-训练任务，请打开项目编辑器并从"蛋白设计"（Protein Design）下拉菜单中选择"酶优化-训练"（Enzyme Optimization-Training）。将会出现如下任务提交表单：

任务提交表单：酶优化-训练

• Dataset file（数据集文件）: 提供已有的实验结果汇总，作为模型训练数据，需以 CSV 文件格式上传。数据可以包含以下列：

  • Sequence column（序列）: 包含实验中起点酶及其突变体的序列。请确保所有序列均来自同一起点酶，并将起点酶的相关实验数据置于所有突变体之前。所有序列的长度应保持一致。

  • Activity column（酶活性）: 实验测得的酶活性数据。可以使用 Kcat、Kcat/Km 等酶动力学常数表示，也可以使用转化率或标准酶活单位等表示。需保证所有数据单位统一，数值可比。训练过程中会自动忽略所有空白行。

  • pH column（pH值）: 实验环境中的 pH 值，范围为 0-14。当 pH 未知时可不填。为提高 pH 稳定性预测的准确性，建议对每一组 pH 条件提供多组突变体的活性数据。

  • Temp.(℃) column（温度）: 实验环境中的温度，范围为 0-100。当温度未知时可不填。为提高热稳定性预测的准确性，建议对每一组温度条件提供多组突变体的活性数据。

  • %e.e. column（e.e.值）: 反应产物的对映异构体过量。

    • 当产物仅有一个手性中心时，e.e. 值为目标产物与副产物的过量百分比。例如，若目标产物为 S，副产物为 R，且 S:R=90:10，则 e.e. = (S-R)/(S+R) = 80。

    • 当产物有多个手性中心时，请填写目标产物相对主要副产物的过量百分比。例如，若目标产物为SS，副产物有 SR，RS 和 RR，且 SS:SR:RS:RR=90:10:1:5，则 e.e. = (SS-SR)/(SS+SR) = 80。所有突变体的 e.e. 值计算方式应与起点酶保持一致。

• Reactants（反应物）: 酶促反应中的反应物，需以 SMILES 表达式输入。每行输入一个 SMILES，支持输入手性分子。

• Products（产物）: 酶促反应中的目标产物，输入格式与Reactants相同。

• By-reactants（副反应物）: 上传数据包含 e.e. 值时，用于表示在酶促反应中的副反应物，输入格式与Reactants相同。副反应物与反应物之间除手性外应完全相同；如果反应物不带手性，或手性不影响反应，则副反应物与反应物应完全一致。

• By-Products（副产物）: 上传数据包含 e.e. 值时，用于表示在酶促反应中的副产物，输入格式与Reactants相同。副产物与产物之间仅手性构型不同。当产物中有多个手性中心时，请填写野生型酶催化产物与主要副产物对应的手性异构体。

• Job Name（任务名称）: 任务的名称。请注意，任务名称必须在项目内唯一。

模型 & 参数

点击Show Parameters按钮展开模型和参数设置。

您可以使用我们自研的 GeoEnzyme 模型作为基础模型来运行本任务。参数如下：

• #epochs（轮次）: 模型微调过程中迭代的轮次，最大取值为 20。

结果

在文件与任务管理器面板中点击任务结果，查看任务结果。

任务结果: 酶优化-训练

训练模型

训练完成后，可以通过点击表格右上角的""按钮来使用新模型进行推理。

表格中展示了模型训练结果的总览，包含以下列：

• Task（训练任务）: 模型训练的具体任务。模型根据上传的数据集内容，自动判断需要进行训练的任务类型。

• Best PearsonR（皮尔逊相关系数）: 模型训练中使用的评价指标之一。皮尔逊相关系数用于评估模型预测值与真实值之间的线性相关性，值越接近 1 表示模型的预测性能越好。

• Best SpearmanR（斯皮尔曼相关系数）: 模型训练中使用的评价指标之一。斯皮尔曼相关系数用于评估模型预测值与真实值之间的相关性，值越接近 1 表示模型的预测性能越好。

评价指标

在模型训练中，GeoEnzyme 更优先关注斯皮尔曼相关系数而非皮尔逊相关系数。这是因为斯皮尔曼侧重于排名的相关性，而 GeoEnzyme 的目标是能够在各种性质下准确的对突变进行排序，并非预测具体数值。

训练曲线

结果页面将为每个任务生成一个表格，展示训练曲线，具体内容如下：

• Epoch（轮次）: 模型训练的具体迭代次数，显示训练过程中每轮的进展。

• PearsonR（皮尔逊相关系数）: 训练过程中，该轮次的模型在验证集上的皮尔逊相关系数。

• SpearmanR（斯皮尔曼相关系数）: 训练过程中，该轮次的模型在验证集上的斯皮尔曼相关系数。

• Selected（模型选择）: 训练完成后最终选择的模型，使用 “Y” 进行标注，表示该模型为最佳模型。