EnzymeFlow: Generating Reaction-specific Enzyme Catalytic Pockets through Flow Matching and Co-Evolutionary Dynamics

酶的设计是生物技术中的一个关键领域，应用范围从药物开发到合成生物学。传统的酶功能预测或蛋白质结合口袋设计方法通常难以捕捉酶-底物相互作用的动态和复杂性，特别是在催化过程中。为了解决这些挑战，我们介绍了EnzymeFlow，这是一个生成模型，采用层次预训练、酶-反应共同进化和流匹配来生成特定底物和催化反应的催化口袋。此外，我们还介绍了一个大规模、策划和经过验证的酶-反应对数据集，专门设计用于催化口袋生成任务，包括总共328,192个对。通过结合进化动力学和反应特定适应性，EnzymeFlow成为设计酶口袋的强大模型，能够催化各种生化反应。对新数据集的实验表明，该模型在设计高质量、功能齐全的酶催化口袋方面具有很好的效果，为酶工程和合成生物学的进步铺平了道路。我们在https://github.com/WillHua127/EnzymeFlow提供了EnzymeFlow代码，并在https://github.com/WillHua127/EnzymeFlow/blob/main/enzymeflow_demo.ipynb上提供了笔记本演示。

EnzymeFlow试图解决酶设计中传统方法无法捕捉酶-底物相互作用的动态和复杂性的问题，提出一种新的生成模型来生成针对特定底物和催化反应的催化口袋。

EnzymeFlow采用流匹配、分层预训练和酶-反应共同进化的方法来生成催化口袋，同时提供了一个大规模、精心策划和验证的酶-反应对数据集，用于催化口袋生成任务。

EnzymeFlow是一种有效设计高质量、功能性酶催化口袋的模型，可以催化各种生化反应。论文提供了EnzymeFlow的开源代码和演示笔记本，并介绍了实验设计和使用的数据集。该研究为酶工程和合成生物学的进展铺平了道路。

最近的相关研究包括使用机器学习方法进行酶设计的研究，如“DeepE”和“EnzyNet”。