新數據庫縮窄蛋白序列與酶功能認知鴻溝

序列與功能的鴻溝

準確註釋酶功能，是理解生命過程、發掘新型生物催化劑以及進行酶理性設計的重要基礎；惟測序技術快速發展，令蛋白質序列持續增加，實驗確認的功能資訊卻明顯滯後。

面對功能驗證速度遠遠落後於序列增長的現實，研究團隊在先前開發的人工智能酶功能預測模型CLEAN基礎上，進一步構建規模化的酶功能數據庫，把預測能力轉化為可直接查詢的資源。

數據庫覆蓋範圍

有關數據庫名為CLEAN Database（CLEAN DB），為超過5500萬條蛋白質序列提供酶功能預測註釋；研究論文發表於《Nucleic Acids Research》，由伊利諾伊大學厄巴納-香檳分校趙惠民教授團隊完成。

數據庫提供高精度且可解釋的酶功能預測，支援EC編號、GO術語及反應式等多維資訊，方便研究人員按不同需要查詢酶的催化功能及相關反應。

對研究的實際用途

藉助該數據庫，研究人員可以大規模檢視未經實驗驗證的序列，為新型生物催化劑的發掘及酶的理性設計提供參考，減低逐一實驗驗證所需的時間成本。

整體而言，有關資源旨在提升酶學研究的效率與可及性，令更多蛋白質序列對應的功能資訊可被查閱，從而逐步收窄序列數據與功能認知之間的長期差距。